radixark/miles

新增 GLM-5.2 744B LoRA agentic 多节点启动器示例

值得精读，尤其是对多节点 LoRA + agentic 训练且基础模型超过单机显存的用户。脚本中的 DSA 后端选择（tilelang vs megatron）、磁盘 offload 与 allocator env 设置均附有详细注释，设计决策清晰，可作为编写其他大型模型启动器的范本。

修复 docs 表格被 max-content 裁剪，改为自动换行

值得快速浏览而非精读：变更本身只有 24 行 CSS，但 PR body 的“问题根因 - 全站审计 - 修复 - 残余风险披露”结构是高质量文档修复的范例，其中 unlayered 选择器覆盖 Mintlify layered utility 的技巧和 headless Chrome 批量截图验证方法可复用到其他样式类问题。建议关注作者对残余风险（隐藏滚动条）的诚实说明，以及未来对 p2p benchmark 表做列精简的 follow-up。

重写 INT4 QAT 指南，修正 W4A16 训练路径描述

值得精读。该 PR 虽然只改一个文档文件，但准确区分了“训练时 fake 量化”与“rollout 时 packed 存储格式”两组易混淆概念，并明确了 Megatron Bridge 的双向打包职责与 `OPEN_TRAINING_INT4_GROUP_SIZE` 的独立语义。对理解 miles 的 INT4 QAT 架构、Kimi-K2.5 初始化路径以及 Qwen 路径的 group size 现实差异，都是最直接的一手资料；也适合作为文档审计类 PR 的范本。

advisory v2 以健康告警优先，门控并抑制误导性调优建议

值得精读。核心设计决策值得学习：按“主张”分层 + 告警门控调优；stall watchdog 用自身中位数基线且对“常开相位”不作主张；counter 差分容忍引擎重启；缺失数据与退化组的语义区分。建议读者关注评审中 DumpStillWriting 边界是否跟进，以及 follow-up 的 per-dp-rank 标签粒度问题。

引擎指标按 dp rank 正确折叠聚合，新增不均衡告警

值得精读。核心看点：(1) 指标聚合时机——折叠必须早于 rate/mean 派生，否则跨 rank diff 全是垃圾值；(2) 强度型 vs 累计型指标的差异化聚合（均值 vs 求和）；(3) 告警与运行配置联动的 _dp_spread_hint 设计，让告警直接指出当前 run 真正生效的开关；(4) 与 #2022 全窗口缓存合并时把缓存键升级为 (metric, per_dp_rank) 的并发正确性处理。tests/fast/dashboard/test_engine_dp.py 是这套聚合语义的极好文档，值得作为后续指标聚合改动的测试模板。

清零 loss 掩码位置的 train log-probs，修复 token 视图误导

值得精读。本 PR 虽然改动很小，但解决了一个典型的“占位值污染可视化”问题，展示了如何区分“真实零值”与“缺失占位”，并通过保持数组对齐的方式在展示层修复而不影响统计层。`_zero_masked` 的设计简洁可复用，是 dashboard 数据展示层的一个好范例。

缓存 engine_series 全窗口查询，指标页从秒级降到毫秒级

值得精读。核心看点在 _engine_cache() 的"版本最后赋值 + 成对返回 frame/partitions + 单锁"设计：如何在 FastAPI sync 端点多线程并发读路径上安全地做惰性缓存重建，是可直接复用的并发模式。另一个值得关注的设计决策是缓存只覆盖全窗口路径、有界窗口保留懒加载，避免了为短窗口查询引入缓存一致性复杂度。建议阅读顺序：先看 review 评论中的竞态分析，再对照 commit 2（1e3e66ea）如何落地修复，最后看测试如何用并发线程和失败注入覆盖这两个正确性保障。

按设备峰值计算 MFU，修复 FSDP 缺失吞吐指标并上线看板

值得精读。该 PR 的工程判断密度高：分子分母同落盘保证指标可审计、保持 train-step 口径避免异步误导、未知设备“不猜默认值”、阈值从常量演进为可配置 flag，都是可复用的可观测性设计模式。重点看 `device_flops.py` 的整词匹配实现、`flops_args_from_hf_config()` 的容错层级，以及 review 中三次“实测数据推翻默认假设”的往复——它们展示了如何用真实运行数据校准一个看似合理的常量。