train/approx_kl Approximate KL Divergence，近似平均KL散度，代表的是更新前旧策略 和 更新后新策略 的分布差距有多大。
#define PRINT_LOG printf("file:%s\tline:%d\t\t" \ "date:%s\ttime:%s\n", \ __FILE__, __LINE__, __DATE__, __TIME__) 注意：\ 后面啥都不能有，空格也不行。
Prompt caching 是答案。K3 虽然轮数多、token 多，但命中的基本都是缓存，实际推理成本极低。
CSDN风险排查认定与违规帐号相关联的帐号，指CSDN通过大数据风控、综合风险研判等认定的与违规帐号相关联的帐号，包括使用相同的注册信息、相同的收支信息等。