18:21
官方账号arXiv cs.LG@Zetao Hong, Song Yuan, Yuanhao Ding, Yibo Zhu, Daxin Jiang, Zhibin Wang, Chen Tian
推荐理由：做LLM后训练的朋友可以看看，MISA-T把混合rollout调度做得更精细，吞吐提升明显，而且不牺牲任务效果。
rollout调度
共 1 条相关 AI 资讯
8月12日
18:21
MISA-T是一种针对混合强化学习rollout服务的路由层准入策略，解决RLVR、RLHF和智能体rollout共享推理服务时的KV缓存竞争问题。在Step3.7和Qwen3.6-35B-A3B上的消融实验中，MISA-T相比调优的vLLM Router将rollout吞吐分别提升53.3%和43.6%，同时保持高前缀缓存命中率。在50次迭代的Step3.7实验中，吞吐提升35.6%，平均迭代时间减少22.8%，且任务分数相当。