去年开始参与RL infra方面的工作。 当时的系统，想要更新推理测的参数需要经过硬盘 — 可想而知更新速度惨不忍睹，各个推理单元争夺硬盘带宽，直到系统的其他部分崩溃罢工。 那时候拜读了乐群的“跨机秒传RL模型参数更新的一些探索”， 惊为天人。既然自己不擅长造轮子（手搓不了新的rdma通讯库），觉得能把轮子装上，给开源社区助助力也在作出贡献。

A study from the SGLang-RL team on peer-to-peer weight transfer that updates trillion-parameter models in seconds during large-scale distributed RL training.