测评 不留任何Token：Miles框架TITO原则深度解析 在智能体强化学习中，rollout并非单次生成，而是多轮模型调用、工具输出与恢复生成的链式过程。Token-In-Token-Out（TITO）原则旨在消除训练与推理间的关键不匹配，确保训练器评估的token序列与推理引擎实际产生和消费的序 LMSYS 强化学习 Token处理 AI训练框架 7小时前 16
