【Plan A】超大规模复杂训推系统方向-27届

支撑5T模型与10万+卡规模集群及持续数小时、数天甚至更长周期的 Agentic RL，研究超长上下文 Rollout 下的 KV Cache 管理、动态批处理、异步调度、多维负载均衡、长程状态保存和细粒度容错；协同优化模型并行、专家并行、计算通信 Overlap、低精度训练与关键算子，突破大规模智能训练的效率和稳定性瓶颈。