vime × RL-Kernel × AMD：ROCm 上的 Bitwise Train–Rollout Consistency 实现

vime 集成 Megatron 训练、vLLM 部署和数据缓冲，实现完整的强化学习后训练工作流程。RL-Kernel 确保 Megatron 和 vLLM 在计算 logprobs 时遵循相同的数值执行合约。在 AMD Instinct MI300X 上进行的 Qwen3-8B GRPO 实验中，vime + RL-Kernel 严格路径连续 200 步运行，未出现任何不匹配和最大绝对差异。