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:开源 RL 训练框架 Miles v0.1 发布(5 条相关)→
「编程与Agent」频道最新
- Crusoe 发布集成指南：Cursor 等工具接 GLM/DeepSeek — darian314 · 2026-08-19
- 实战复盘：如何设计 Loop 让 Agent 交付生产级代码 — JosephJacks_ · 2026-08-19
- GPT-5.6-Sol 生成单文件实时 2D 流体模拟代码 — scaling01 · 2026-08-19
- RadAgent 智能体展示医疗推理能力 — Michael_D_Moor · 2026-08-19
- LLM 无法回溯代码逻辑，详注或成必要特征 — idanbeck · 2026-08-19
- RAG 设计案例：Ask LukeW 引用链接精准跳转视频时间戳 — LukeW · 2026-08-19