# 从 vLLM V0 到 V1：强化学习训练中“先求正确再求优化”的工程实践

ServiceNow AI 团队在迁移 vLLM 推理引擎时发现四个导致训练指标偏离的关键问题：logprob 语义差异、运行时默认值、权重更新路径及 fp32 精度。通过逐一修复实现了后端一致性，强调 RL 训练中 engine 行为正确优先于算法改进。