ServiceNow 开源 PipelineRL：用 inflight 权重更新提升 LLM 强化学习吞吐

ServiceNow 开源实验性 RL 实现 PipelineRL，通过训练中 inflight 权重更新，在不停推理的前提下持续保持最优 batch size，缓解高吞吐推理与 on-policy 数据采集之间的取舍。