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。
所属事件:RadixArk 开源 RL 后训练框架 Miles v0.1(2 条相关)→
「研究」频道最新
- Exponential 发布 RepoInject 与 BrowserInject 基准，测 prompt injection 防护 — maksym_andr · 2026-10-27
- Redwood 研究:CoT 可控性评测严重欠激发,简单提示优化可提升 2-3 倍 — dfrsrchtwts · 2026-10-27
- 用 BeamZ 逆向设计光学系统跑通 MNIST 分类 — S_Conradi · 2026-10-27
- DeCert 框架无需参考答案评估生成式奖励模型的论证质量 — Guiquan Sun · 2026-10-27
- 新研究：VLM harness 同样是组合泛化器,可拆解复杂图像问题 — a1zhang · 2026-10-27
- 新文呼吁启动 AI 界「人类基因组计划」加速可解释性研究 — ninamiolane · 2026-10-27