深入浅出理解LLM PPO：基于verl框架的实现解析之二（完）

（书接上文）

7. 训练阶段样本规模变化

7.1 生成响应阶段

在generate_responses函数中，prompt和response的对应关系是：

N个prompts → N个responses

具体来说：

• 输入：batch_size个prompts（例如64个）
• 输出：batch_size个responses（每个prompt生成1个response）
  示例代码：

# 准备一批prompts
batch_size = 64
prompts = dataset.sample(batch_size