Yingdi Shan (闪英迪)

Seer: Online Context Learning for Fast Synchronous LLM Reinforcement Learning

Seer 的核心贡献是把同步 LLM RL 中最耗时的 rollout 阶段当成一个“同 prompt group 内存在可学习上下文”的调度问题：GRPO 一类算法会为同一 prompt 采样多条 responses，这些 responses 在长度和局部 token 模式上高度相关；Seer 利用这个结构做 chunk level divided rollout、基于 speculative request 的 context a...