# 用于推理大型语言模型的强化学习的推出效率：分类法和未来方向

> 全文为英语

**Published:** 2026年9月23日
**Author:** Niloofar Gholipour, Marcos Assuncao, Gursimran Singh, Timothy Yu, Rajkumar Buyya, Julien Gascon-Samson, Zhenan Fan, Yong Zhang, Xiaojie Xu, Yaqiang Yao, Xiaolong Bai
**Source:** arXiv — cs.AI
**Language:** en-US
**HTML:** https://aiqazaqstan.com/zh/articles/rollout-efficiency-in-reinforcement-learning-for-reasoning-large-languag

面向推理的强化学习使大型语言模型能够解决数学、编码和其他多步骤任务，但将很大一部分训练成本转移到了部署上，即为策略更新生成轨迹。高效的推出机制...

> 内容来自原始来源： **arXiv — cs.AI**
> [在 arXiv — cs.AI 阅读全文](https://arxiv.org/abs/2609.25463)

**标签：** #arXiv

---

*AI Qazaqstan — non-commercial informational portal about AI in Kazakhstan. Machine translations and summaries are AI-generated.*