当大模型强化学习走向规模化，Batch Size Scaling 有什么不一样？

腾讯混元研究团队从第一性原理分析 LLM 强化学习中的 batch size scaling，提出以 time-to-target 为判据：只有当吞吐增益 r_q 超过样本代价 r_N 时，更大的 batch 才能缩短训练时间。