David Manheim：RL 后训练算力账——权重更新每回合一次，算训练还是推理？

David Manheim 回应 Ben Todd 的 RL 算力构成讨论：每次权重更新的计算开销更大，但每个 RL 回合只做一次更新。因此按回合摊算，后训练 RL 中的这部分算力反而更接近推理算力的口径，而非训练算力。这段细节辨析涉及 RL 训练与推理算力占比如何归类，对估算 AI 算力分布有参考意义。