vLLM 优化强化学习训练，实现 Rollout 与训练前向比特级对齐

Finish RL Training Faster: Bitwise-Consistent, High-Performance, Agent-Driven vLLM 团队发布最新技术进展，针对 DeepSeek-V4-Flash 及 Nemotron-3.5-Lightning 模型，实现了推理 Rollout 阶段与训练前向传播过程之间输出对数概率（logprobs）的比特级一致性对齐。该优化在 DeepSeek-V4-Flash 上保持了 91% 的采样吞吐率，并宣布将相关的 Agent 技能实现开源。