Hugging Face 开源 PipelineRL：通过 inflight 权重更新实现高吞吐量 LLM 强化学习训练

Hugging Face 开源 PipelineRL，这是一种实验性 LLM 强化学习实现，核心创新是在训练过程中进行 inflight 权重更新，在不停止推理的情况下同步最新模型权重，兼顾高推理吞吐与 on-policy 数据。