Miles v0.1论文公开:全栈生产级后训练系统,支持LoRA与扩散模型
aigclink · x · 2026-09-13
Miles v0.1 的论文（arXiv:2609.08368）与 GitHub 仓库公开。这是一套面向前沿后训练的全栈、生产级系统，基于 slime 的简洁设计，围绕「组件可验证、干净、可定制」原则构建 RL 训练循环的每个阶段，把准确性、效率、可靠性与可扩展性作为一等目标。
架构要点
- rollout 引擎基于 SGLang；训练器可选两种后端：NVIDIA Megatron-LM 与 PyTorch FSDP。
- 三种权重同步传输方式，适配不同部署拓扑。
- 除全参数 RL 外，还支持 LoRA RL、on-policy 蒸馏、监督微调，以及 true-on-policy 的 rollout-training 对齐，并将同一架构扩展到 diffusion 模型。
- 端到端案例：在 GLM-5.2 744B-A40B 上做全异步 agentic RL，任务为终端使用与编程，跑在 64 张 NVIDIA GB300 上，前 30 步中位步时 263 秒。
代码开源在 github.com/radixark/miles，项目主页 miles.radixark.com。
所属事件:SGLang团队开源生产级后训练框架Miles v0.1(2 条相关)→
「Infra」频道最新
- AI 烧钱加深自由现金流缺口，微软靠发债 250 亿美元守住正值 — Kr00ney · 2026-10-31
- Google 太空数据中心首次跑通:轨道 TPU 完成 Gemma 推理并回传 — ns123abc · 2026-10-31
- Google Cloud 花费上限正式上线：新增 API、实时成本报告与每月自动重置 — rseroter · 2026-10-31
- Swift 1.5 Flash Next 去审查逆向版新增多种量化，IQ4 精度换体积 — jjusko20 · 2026-10-31
- ClickHouse 曝未认证远程代码执行漏洞 CVE-2026-116366 — Hacubu · 2026-10-31
- 批量合并提问只读一遍文档,可大幅降 LLM 分类成本与延迟 — petrusenko_max · 2026-10-31