Nebius专家Jin指出，AI智能体强化学习后训练中推理常成瓶颈。应将推理引擎视为优化器的一部分，以“可训练批次时间”衡量效率，管理策略滞后而非追求零滞后。数据与环境占大部分工作，需可复现环境、可靠验证器及难度适中的任务。基础设施决定迭代速度，应独立扩展CPU与沙箱容量，避免昂贵GPU等待廉价容器。