开源RL训练框架Miles发布v0.1：1326次提交、85项GPU端到端测试
ying11231 · x · 2026-08-19
radixark 发布开源 RL 框架 Miles v0.1，面向 LLM 与多模态模型的后训练：全异步训练、快速灵活的 rollout，9 个月内 72 位贡献者提交 1,326 个 commit、85 项 GPU 端到端 CI 测试，已在 Kimi K3、DeepSeek V4、Qwen 3.8、GLM 5.2 等前沿开源模型上实战验证，被 humansand、Decagon、IBM、Nebius 等团队用于生产 RL 工作负载，支持 NVIDIA 与 AMD 硬件，SGLang 为原生 rollout 引擎。
AgentENV 集成：AgentENV 作为 Miles 的沙箱后端，为每次 rollout 提供隔离、快速启动的 Firecracker microVM。在 Terminal-Bench-2 全套件上跑了持续 GRPO 训练：GLM-4.7-Flash、8×H200、55 个 rollout 约 3,400 个 episode，单台 m7i.metal-24xl 服务器全程维持 64 个并发环境，沙箱启动不再是瓶颈。
所属事件:RadixArk 开源 RL 训练框架 Miles v0.1(9 条相关)→
「编程与Agent」频道最新
- Apple 代码签名耗时数小时,官方建议:等一周 — pjausovec · 2026-10-16
- 4B 模型加 8K 上下文堆算力反而更差，Hermes 提出上下文推理新思路 — mangahomanga · 2026-10-16
- Flux 3 Klein 默认模板有坑:必须接 prompt upscaler 才能出好图 — StrictMove5839 · 2026-10-16
- 21 人团队 AI 写 97% 代码,每周数百 PR,16% 自动合并 — rseroter · 2026-10-16
- ClosedMCP:一次配置 MCP,跨平台团队共享的 Serverless 方案 — Ok_Sprinkles1301 · 2026-10-16
- Heisentools:用 AI agent 重写 mock 文件模拟任意服务测试 agent — kieranklaassen · 2026-10-16