开源 RL 框架 Miles v0.1 发布，简化大模型强化学习训练

ying11231 · x · 2026-08-19

SGLang/RadixArk 发布 Miles v0.1，这是一个面向大语言模型和多模态模型的开源强化学习框架。该框架旨在解决 RL 训练难以调试、硬件利用率低及大规模运行复杂的问题。Miles 经过 9 个月开发，拥有 1326 次提交和 85 项 GPU 端到端测试，已在 Kimi K3、DeepSeek V4、Qwen 3.8 等前沿开源模型上进行了实战测试。目前包括 IBM、Modal 在内的多家公司已在生产环境中使用 Miles 驱动前沿模型开发及 RL 工作负载。