Hugging Face 开源 PipelineRL：用 inflight 权重更新加速大模型 RL 训练

Hugging Face 与 ServiceNow 开源了实验性 RL 实现 PipelineRL，核心创新是在 RL 训练中进行 inflight 权重更新，让推理服务器在不中断推理的情况下接收新权重，从而兼顾高推理吞吐与 on-policy 数据。