可用于大语言模型的强化学习训练，支持多种RL算法如PPO、GRPO等，能无缝集成现有LLM框架（FSDP、Megatron-LM等），具备灵活设备映射和高效吞吐量，兼容主流模型并支持多模态与工具调用。【此简介由AI生成】