LMSYS 详解 TITO 原则：训练与推理 token 序列不一致如何毁掉 RL 训练

LMSYS 在 Miles 框架博客中阐述 TITO 原则：trainer 评估的 token 序列必须与推理引擎在 rollout 中实际消费、产出的完全一致，否则会造成 training-inference mismatch。