下一章进入：第七章 open-wam-α Action Policy概率建模与logprob计算重点分析：为什么 PPO 必须需要 logprob；open-wam-α Action Flow 如何恢复概率；old_logprob计算；new_logprob计算；divergence；Hutchinson estimator；PPO ratio数学推导。继续第七章 open-wam-α Action Policy概率建模与logprob计算上一章分析了 open-wam-α 在 RLinf 中的数据结构。核心数据链路：EnvOutput→ChunkStepResult→Trajectory→PPOSampleEnvOutput \rightarrow ChunkStepResult \rightarrow Trajectory \rightarrow PPO\ Sample