VeRL原生支持GPU，昇腾作为VeRL开源社区贡献方，对VeRL进行适配，使其能在NPU上运行。因此，需要对社区原生特性在NPU上的支持情况以及一些NPU上的新增特性进行测试。简单说，强化学习包含训练和推理两部分，是一种边推边训的框架。区别于预训练和微调，强化学习是后训练，基于推理的结果对训练进行指导。

VeRL原生支持GPU，昇腾作为VeRL开源社区贡献方，对VeRL进行适配，使其能在NPU上运行。因此，需要对社区原生特性在NPU上的支持情况以及一些NPU上的新增特性进行测试。简单说，强化学习包含训练和推理两部分，是一种边推边训的框架。区别于预训练和微调，强化学习是后训练，基于推理的结果对训练进行指导。