Artykuł zawiera obszerny przegląd metod rollout (generowania, filtrowania, kontrolowania i ponawiania sekwencji) wykorzystywanych w reinforcement learning dla dużych modeli językowych. Badanie systematyzuje różne podejścia do optymalizacji procesu uczenia, od generowania kandydujących rozwiązań po ich ewaluację i selekcję. Praca jest istotna dla badaczy zajmujących się ulepszaniem zdolności LLM do rozwiązywania złożonych zadań i mogłaby wpłynąć na przyszłe strategie trenowania modeli.