radixark/miles · 标签视图

文档勾选 Modal 支持 Harbor 路径，附 B200 实测结论

值得花几分钟读，但重点不在 diff（只有一行），而在 PR 描述里的两个工程信号：一是该仓库把“能力矩阵填 ✓”的举证责任放在人工运行记录上，若继续沿用，建议后续给表格补证据链接或在 provider 参数化的 e2e 上加定期跑批，否则表格会逐渐失真；二是 B200 上 `--sglang-attention-backend triton` 这一 workaround 值得单独沉淀——要么进 sglang_args 默认值并加硬件判断，要么在文档中显式标注前置条件，避免每个 Blackwell 用户重复排查首次 prefill 崩溃。若你的关注点是 Harbor × Modal 的可用性结论，请直接联系作者确认运行前提（attention backend、模型 head_dim）。

重组沙箱 provider 文档，新增用户与开发者双页面

值得快速浏览，不必精读。本 PR 的借鉴价值在于信息架构决策：按读者（用户 vs 开发者）切割文档、用“网格 + 勾选自带链接”表达跨模块兼容矩阵、以及“注册表条目即 provider 契约”的抽象。维护 agentic rollout 相关代码或文档的工程师，应在后续 provider 相关 PR 中同步更新这两个新页面，避免事实漂移。

新增 DeepSeek-V4.1 Flash 训练配方文档并接入导航

值得精读，尤其是 §3.5 的必选 flag 解释与 §3.6 的预期指标表——它们把 colocated 引擎休眠释放 engram 表、全参数 Adam 状态必须落盘这些隐性坑写成了显式约束，是理解 V4.1 训练栈成本结构的最短路径。建议跟进三件事：① 明确 `dsv41_cut_cast.py` 的仓库路径或提供等价工具（回应 issue 评论）；② 确认 docs.json 中 `developer/ci/*` → `ci/*` 的回退是否有意，必要时拆成独立 PR；③ 为文档中的脚本与参数增加轻量可用性检查，避免 cookbook 成为新的答疑入口。

新增 Harbor in-process 模式完整指南文档，更新用户指南以区分两种执行模式。

此 PR 作为纯文档增强，其价值在于提升用户对新功能的理解。建议技术管理者和工程师关注其展示的文档组织原则：“一个模式一个完整指南”，以及文档应严格基于实际验证过的用例（作者关于 Modal 的决策）。对于正在采用 Harbor in-process 模式的团队，此文档是必读材料。Review 过程展示了如何通过仔细审查确保技术文档的准确性，值得借鉴。

为 Qwen3 异常 EOS 输出行为添加上下文注释，解释为何保留严格检查。

这是一个值得快速浏览的 PR。虽然代码改动微不足道，但其附带的 **上下文信息非常有价值**。对于任何需要修改或理解 TITO 验证器、Qwen3 模板处理或模型输出行为对齐逻辑的工程师，阅读此 PR 及其关联的 Issue #3113 都是必要的。它揭示了在评估生成模型输出时，处理预期行为与实际模型退化之间边界的细微之处。

将 CI 文档目录从 docs/ci/ 迁移到 docs/developer/ci/，对齐开发者导航结构。

这是一个值得精读的、高质量的重构 PR。虽然变更规模不小（33 个文件），但其核心是高度机械和一致的路径替换操作，逻辑清晰。PR 审查过程严谨，通过自动化工具和人工审核确保了变更的完整性和正确性。对于维护文档结构和代码-文档映射规范的团队来说，这是一个很好的实践范例，展示了如何安全、彻底地进行大规模的目录重构。

将共享的 rollout 过滤结果类型从 DynamicFilterOutput 重命名为 FilterOutput。

该 PR 是一个清晰、小范围的代码清理。核心变更集中在单个类型定义和其别名上，并通过系统性更新确保了命名一致性。对于理解 rollout 过滤器模块的开发者，此 PR 值得快速浏览以了解命名约定的演进。

将 OpenEnv 集成对 tbench2_env 环境包的最低版本要求从 #1012 提升至 #1025，以修复基础设施失败被误判为测试失败的评分漏洞。

这个 PR 是一个重要的、针对性的正确性修复。它解决了一个能悄无声息地污染训练数据的评分漏洞。变更本身风险较低，逻辑清晰，主要是版本门槛提升和文档同步。强烈建议相关维护者和使用 OpenEnv 集成的工程师精读此 PR，特别是理解从源码探测到 per-episode 守卫的双层防御机制为何必要，以及 #1025 修复的具体漏洞场景。虽然没有复杂的代码逻辑，但它展示了在 RL 训练数据流中建立可靠“合约”检查的重要性。