一龍馬/AI 情報站讀懂消息背後的脈絡
星期六
搜尋

Miles 是面向大規模語言與視覺語言模型後訓練的強化學習框架,由 slime 分支而來並持續共同演進,README 將 2026 年 8 月發布的版本標為 v0.1

Python · ⭐ 2,538 · 🍴 442 · 🔥今日 +55

中文摘要

架構以 SGLang 執行高吞吐 rollout、Megatron-LM 負責可擴充訓練,另提供 PyTorch FSDP2 後端,並主打非同步強化學習、P2P RDMA 權重更新、低精度訓練、LoRA、MoE 路由重播及故障復原。README 宣稱可支援兆級參數模型及多款模型首日適配,但摘錄沒有獨立基準、硬體成本或可重現測試結果。

一龍馬判讀

它瞄準擁有大型 GPU 叢集、需要縮短 rollout 與訓練迴圈的模型團隊,而不是一般單機開發者。v0.1 的版本定位與複雜的 SGLang、Megatron-LM、RDMA 基礎設施意味著導入成本及早期版本風險都高,效能主張也應先在目標叢集驗證。

原文節錄

radixark/miles

### **Enterprise-Grade Reinforcement Learning for Large-Scale Model Post-Training** [![Website](https://img.shields.io/badge/website-miles.radixark.com-d55816)]

取得部分原文 · 不代表內容已獨立查證

查看原文
完整收錄文字與來源

Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.

收錄日期
2026-09-05
來源
github.com/trending
抓取時間
2026/09/05 05:50(台北)
來源資料
Python · ⭐ 2,538 · 🍴 442 · 🔥今日 +55