RLinf 单机 8×H800：π0.5 与 BEHAVIOR-1K PPO 训练的进程、Rank、RPC、Channel 和通信协议研究日期：2026-10-27 · 已知配置：cluster.num_nodes=1；cluster.component_placement.actor,env,rollout=all。源码版本说明：基于查阅当天的 GitHub main，未固定提交；本地 BEHAVIOR-1K 适配和其余 YAML 未提供，相关结论按条件标注。目录摘要｜单机全共置 PPO 的真实通信结构1｜研究对象、信息边界与证据等级2｜Cluster 配置与 all 关键字的精确定义3｜进程、Rank、Device、Actor ID 的层次关系4｜WorkerGroup 创建：从训练入口到二十四个 Ray Actor5｜Runner 是控制面协调者，不是数据搬运中心6｜Ray RPC 在单机上的真实调用过程7｜控制面拓扑：Ray、WorkerManager 与 CollectiveManager 的分工8｜三个 Channel 的创建参数、角色和消息方向9｜ChannelWorker 的节点级放置与 Rank 0 判定证明10｜ChannelWorker 
长河君 · 2026/10/29 20:07:14 · 阅读 1.2k RLinf 单机 8×H800：π0.5 与 PPO 训练的进程、Rank、RPC、Channel 和通信协议
RLinf 单机 8×H800：π0.5 与 BEHAVIOR-1K PPO 训练的进程、Rank、RPC、Channel 和通信协议研究日期：2026-10-27 · 已知配置：cluster.num_nodes=1；cluster.component_placement.actor,env,rollout=all。源码版本说明：基于查阅当天的 GitHub main，未固定提交；本地 BEHAVIOR-1K 适配和其余 YAML 未提供，相关结论按条件标注。目录摘要｜单机全共置 PPO 的真实通信结构1｜研究对象、信息边界与证据等级2｜Cluster 配置与 all 关键字的精确定义3｜进程、Rank、Device、Actor ID 的层次关系4｜WorkerGroup 创建：从训练入口到二十四个 Ray Actor5｜Runner 是控制面协调者，不是数据搬运中心6｜Ray RPC 在单机上的真实调用过程7｜控制面拓扑：Ray、WorkerManager 与 CollectiveManager 的分工8｜三个 Channel 的创建参数、角色和消息方向9｜ChannelWorker 的节点级放置与 Rank 0 判定证明10｜ChannelWorker