在强化学习（RL）训练中，上下文窗口大概多长？面对样本长度不同导致的负载不均衡，你们如何考虑和解决？

回答思路

1. 能说明RL常见上下文窗口量级及对显存/算力的影响
2. 能分析样本长度差异带来的负载不均问题（如最短最长样本比率）
3. 能提出具体的负载均衡方案，如长度分桶、padding策略、动态批处理
4. 能结合工程实践说明实现细节或取舍