RadixArk 开源 RL 训练框架 Miles v0.1
radixark（RadixArk）于 8 月 19 日发布开源强化学习训练框架 Miles v0.1，面向 LLM 与多模态模型的后训练。项目目标是解决「RL 好启动、难调试」的普遍痛点：帮助确认训练正确性、高效利用硬件、并在规模上持续稳定运行。当前结论：框架已开源发布并具备相当工程成熟度，据转发帖描述已在多个前沿开源模型的 RL 训练中经过实战检验，是 RL 训练基础设施领域值得关注的新选项。
已确认
- Miles v0.1 由 radixark（RadixArk）发布，定位为面向 LLM 和多模态模型的开源 RL 训练框架；据转发帖描述，该团队与 LMSYS 相关，项目与 SGLang 生态有联系
- 过去 9 个月由 72 位贡献者完成 1,326 次提交
- 项目配备 85 项 GPU 端到端 CI 测试
- 核心能力包括全异步训练、快速灵活的 rollout，帮助确保训练运行正确并高效利用硬件
- 据转发帖介绍，该框架已在 Kimi、DeepSeek、Qwen 等前沿开源模型的 RL 训练中经实战验证，并被 NebiusAI、Modal 等公司采用
尚未确认
- 团队与 LMSYS 的具体关系、在 Kimi、DeepSeek、Qwen 训练中的具体使用方式均来自转发帖转述，未见 radixark 原帖直接确认
为什么重要
- RL 已成为前沿模型后训练的关键环节，但「易启动、难调试」是普遍痛点，Miles 直击正确性验证与硬件效率问题
- 72 人贡献、1,326 次提交与 85 项 GPU 端到端测试表明项目有一定工程成熟度，而非概念验证
- 若如转发帖所述支撑过 Kimi、DeepSeek、Qwen 等模型的训练并获 NebiusAI、Modal 等公司使用，将为开源社区提供可复用的生产级 RL 训练基础设施
2026-08-19 ~ 2026-08-19 · 9 条相关
一手来源
- Miles v0.1 开源发布：72 人贡献、支撑前沿模型 RL 训练 — ericzelikman ·
- 【源头】Miles v0.1 开源发布：72 人贡献、支撑前沿模型 RL 训练 — ericzelikman · 2026-08-19
- 开源 LLM RL 框架 Miles v0.1 发布 — tokenbender · 2026-08-19
- 开源 RL 框架 Miles v0.1 发布，简化大模型强化学习训练 — ying11231 · 2026-08-19
另有 6 条近重复转述:ying11231 · ying11231 · ying11231 · Scobleizer · ying11231 · ying11231