radixark/miles · 标签视图

Qwen3.6 会话测试改用 FP8 检查点，验证目标不变

该 PR 不值得精读，可快速合并。值得注意的设计原则是“验证目标优先于 artifact 选择”——在 CI 面上用更轻量的检查点保持等价覆盖，而非削弱验证范围。若想理解 TITO Qwen3.6 支持的全貌，建议阅读上游 PR #2759（引入 tito_tokenizer、qwen3.6_fixed.jinja 模板与 test_qwen36.py）。

Qwen3.8 系列新增双 TITO 家族名共享固定渲染模板

值得精读，重点看三处设计决策：(1) 两个公共枚举映射到同一个 tokenizer 类的工厂写法，如何避免复制 renderer；(2) 固定默认 reasoning 模式并显式拒绝冲突 kwargs 的保护机制，防止缓存前缀静默失配；(3) FIXME 驱动的临时行为显式化，为后续 request-argument 优先级重构留出清晰的演进路径。若团队要新增类似“共享序列化契约、不同公共名”的模型家族，可直接复用本 PR 的模式。

CSR 采样掩码表示与 rollout→trainer 传输契约落地

值得精读。重点学习两点：一是 codec 中通过 `ROLLOUT_SAMPLING_MASK_FIELDS` 从默认 allowlist 排除新字段、保持 payload 字节级向后兼容的策略；二是 CSR 掩码完整生命周期管理（append 校验、prefix 截断、merge 补观察 token、reset 清空）。建议合入前确认工具调用路径的强制 token 掩码覆盖，并在 #2596 落地 e2e 后回看数据流完整性。

新增 Anthropic 会话验证与 SGLang 契约闸门

值得精读。三个设计点最有价值：一是硬/软失配的分层判定配合 sidecar 日志，解决"rollout 重试吞掉验证失败"的经典问题；二是用配对 checkout 把上游外部 PR 不跑的 CPU 套件搬进自家 CI，形成行为保持闸门；三是端口独立分配对并发部署的改进。阅读时注意临时闸门的清理时机与 Qwen3.6 阈值放宽的后续收敛。

端口与并发数解耦，新增 workers 参数

值得精读。这是一个有清晰设计意图的破坏性 CLI 重构：默认 32 workers 的取舍、拒绝旧语法而非兼容、TODO(#1837) 标记临时端口分配，都体现了对“配置属主唯一”和“迁移可见性”的坚持。建议重点关注 _resolve_session_server_ports 的实现与 review 中未解决的连续端口占用问题，后续很可能被 #1837 的统一端口分配重构取代。

修复 swe-agent 中止时未刷新多个 session-server 实例的问题

此 PR 值得精读，因为它修复了一个性能关键路径上的 bug，并展示了如何正确读取 driver 参数中的复数映射。建议补充针对 abort 行为的单元测试，以覆盖多实例和单实例场景。

TITO 新增 Qwen3.6 模板，拆分 Qwen3.5/3.6 序列化合约

值得精读。核心看点在于"按家族拆分模板而非共享模板"的设计决策：当两个模型家族的渲染合约存在细微序列化差异时，共享模板会静默改变旧家族行为，拆分并配以参数化测试锁定差异是稳健做法。建议关注 `tito_tokenizer.py` 中 `FIXED_TEMPLATE` 注册模式、`preserve_thinking` 与 `clear_thinking` 的语义区别，以及 e2e 测试如何用 `tito_session_mismatch_rate` 指标做 CI gate。合并时注意 reviewer 提到的与 PR 2711 的兼容性提醒。

新增 compaction 感知的 rollout 训练样本与奖励指标

建议精读该 PR 以理解如何在 rollout 指标中正确处理 session compaction。值得关注的设计决策：奖励按 rollout 等权平均，避免长 rollout 权重过大；分组 key 的设计兼顾 rollout_id、index 和位置回退；使用 metadata 中的 raw_reward 进行奖励计算的策略。