斯坦福提出 Spiral：用强化学习让 LLM 同时学会串行、并行与聚合推理

斯坦福 AI Lab 提出 Spiral，一个用强化学习让模型端到端学会协调串行、并行、聚合三种推理计算方式的框架。它用 set RL 训练模型生成对聚合器集体有用的回答，再用标准 RL 训练模型把这些回答聚合成更优答案，且仅依赖最终输出的奖励。该工作旨在解决训练只优化串行计算、与部署时多轴扩展推理算力之间的错配。