开源 RL 后训练系统 Miles v0.1 发布,支持 LoRA 与扩散模型
RadixArk · hf · 2026-09-09
RadixArk 在 Hugging Face 发布 Miles v0.1,一个定位生产级的开源大规模强化学习与后训练系统。
主要特性:
- 支持多种训练后端
- 权重同步机制
- 支持 LoRA 微调
- 内置蒸馏能力
- 支持扩散模型的后训练
项目面向生产环境,可为需要大规模 RL 后训练的团队提供现成基础设施。
「研究」频道最新
- Mask Forcing:双噪声掩码蒸馏缓解自回归视频扩散模式坍塌 — Zhuoran Zhao · 2026-09-09
- CosmoH2G:手部演示迁移到机械夹爪的数据集与基线方法 — Hongxiang Zhao · 2026-09-09
- BeaconKV:用信标查询预测 KV 缓存复用,压缩长推理链显存 — Janghyeon Kim · 2026-09-09
- CVRR:强制潜态视觉推理走图像条件通路,验证潜空间推理必要性 — Suhyeong Park · 2026-09-09
- TANGO:全身 VLA 模型驱动人形机器人,仅用仿真数据穿越杂乱环境 — Anqi Li · 2026-09-09
- Google 提出程序化图:自进化执行结构改善 LLM 智能体长程工具调用 — google · 2026-09-09