介绍百炼强化学习（RL）训练的概念、能力与使用入口
百炼强化学习（Reinforcement Learning，简称 RL）训练通过奖励信号优化模型输出，支持自定义 Rollout 与 Reward 函数开发。
RL 训练支持自定义 Rollout（控制生成过程）与 Reward 函数（评分），覆盖训练配置、可观测、函数开发等完整链路。
Documentation Index
Fetch the complete documentation index at: /llms.txt
Use this file to discover all available pages before exploring further.