以GLM-5为例，探究九章智算云强化学习系统如何落地“训推一致”

过去几年，大模型竞争的主线很清晰：更大的模型、更多的数据和更强的GPU集群。 但随着预训练边际收益递减，模型能力Scaling正从单纯的预训练堆叠向后训练强化 学习 （RL）转变，数学推理、代码生成、复杂决策、长时序Agent等高阶能力，越来越依赖 后训练强化 学习 <span style="font-family: '微软雅黑'; font-size: 10.5pt; color: #333333