开源 RL 框架 Miles v0.1.3:首次权重同步 99.5 秒降至 3.9 秒
hsu_byron · x · 2026-10-24
RadixArk 发布开源强化学习训练框架 Miles v0.1.3,主打更轻量、更稳的训练:
- 重建 P2P 权重传输:首次权重更新从 99.5 秒降至 3.9 秒,每发送端 pinned 内存从 28 GiB 降到 2 GiB
- 全异步 RL 支持训练与 rollout 共享 GPU,单卡即可运行;新的 fused log-prob 后端在长响应测试中把峰值显存降低约三分之一
- 容错改进:某个 cell 失败不再阻塞健康 cell 的权重更新,全异步运行支持断点续跑
- LoRA 在 Megatron raw 模式下跨模型家族统一实现
仓库:github.com/radixark/miles
「Infra」频道最新
- Ziang Li 展示训练实绩:Tensor Core 利用率超 98% — gharik · 2026-10-24
- 砸数百万做 AI 应用分文未赚,旧 GPU 服务器却升值回本 — stephen280up · 2026-10-24
- Polymarket 开盘：明年年底前 AI 数据中心上天，概率 24% — Polymarket · 2026-10-24
- Polymarket 玩梗：谷歌为建 AI 数据中心砍林，狼群进 Finnish 村庄 — Polymarket · 2026-10-24
- AI 泡沫信号盘点：GPU 闲置、数据中心债务与收入集中隐忧 — The AI Daily Brief · 2026-10-24
- llama.cpp 新 PR 去掉 kq_mask 构建 QSA 选择,为 Qwen 省下数 GB 显存 — jacek2023 · 2026-10-24