RL 基础设施

这部分关注 RL 训练和推理系统的工程实现，而不是只讲算法公式。

• RL 训练 / 推理全链路优化

• Multi-LoRA 联合训练

• GPU 优化与瓶颈定位

• Slime 框架深度拆解

• 实战 Demo 清单与试错日志