原生NVFP4强化学习后期会失稳：miniTE把完整学习器更新提速约1.33–1.37倍
原生NVFP4强化学习早期奖励正常，训练后期却出现熵异常、训练与采样对数概率差扩大和奖励下滑。miniTE把量化策略、线性层与计算后端分层，配合按token缩放、连续布局与amax复用等实现优化；在8×B300上，两条miniTE路径配BF16反向传播时，完整学习器更新相对BF16取得约1.33–1.37倍配对加速，固定输出服务测试另有约1.64倍吞吐。这些学习与系统结果来自不同配置，尚不构成端到端强化学习加速。