在 Verl 框架中，roll-out 阶段的生成结果通常以什么形式组织与存储？后续奖励打分与优势计算如何消费这些数据？

回答思路

1. 说明 roll-out 通常按轨迹或批次组织并保存 prompt、response 等字段
2. 解释奖励打分模块按样本或序列读取数据并返回奖励
3. 描述优势计算依赖价值函数输出与奖励序列对齐
4. 指出数据格式和接口约定对流水线衔接的重要性