从通信执行轮数、RL 数值匹配、随机舍入到 Agent 证据与 KV 页面回收，理解局部改动成立的条件。
从 Checkpoint、四位数据转换、RL 样本供给、Agent 接口到 TorchTPU，理解计算之外的系统开销。
弹性训练的数据顺序、Agent 会话缓存、变长 Attention，以及更简洁的 Agent 训练与执行。