radixark/miles

新增 Nemotron-3-Ultra 混合架构 RL 训练支持

值得精读。重点关注三处设计决策：(1) MTP labels 预移位的通用性——它修正了 Megatron-core MTP 损失的 off-by-one 语义，是训练正确性修复的范例；(2) 对上游 PR 的显式依赖——shim 直接采用 Megatron-LM PR#51 的新签名，展示了跨仓库协同改动的依赖管理方式，同时也提示了版本对齐风险；(3) 工程减法——离线转换工具与 ipc_collect 均经 review 论证后删除，最终改动面（+476/-4）远小于过程版本，体现了对最小变更的坚持。

支持可变 global batch size 训练，调度迁至 rollout 侧

值得精读。这是 miles 训练数据管线的架构级变更：调度、计账、指标三条链路同时重构且保持严格 no-op。重点读 `build_dp_schedule` 的「先打包后分发」两阶段设计、`rollout_mask_sums` 分母广播的数学，以及 `can_schedule_on_rollout_side` 的资格判定列表（它决定了未来新 backend 的接入方式）。建议配合 THUDM/slime 系列 PR 一起看设计演进，并关注后续 #2135/#2197 的清理与修复。

新增 .agents/skills 符号链接，复用 .claude/skills 技能

这个 PR 只有 1 行，不值得精读；值得留意的设计决策是「用相对符号链接而非复制目录」来暴露同一份资产，以及它把可移植性风险转嫁给了 checkout 环境。如果团队有 Windows 检出场景，建议在 README 或 CONTRIBUTING 里补充 `core.symlinks` 说明。

CPU 测试注入 HF_TOKEN，修复 Hub 下载 429 限流

PR 内容简单直接，不值得深入精读；但 secret 最小作用域注入的设计值得借鉴，即只把认证信息给到真正需要的步骤，避免扩散到整个 job 或 workflow。

DeepSeek V4 TITO 禁止 system 尾追加，修复会话不匹配

值得快速浏览：这是一个典型的"一行配置修复系统性随机故障"的案例，展示了如何通过收窄能力边界而非改写校验语义来根治问题。重点关注 `allowed_append_roles` 的设计（与 Qwen3.5/Minimax 家族复用同一模式）以及通过 E2E 阈值保留漂移可见性的思路。不需要精读大量代码。

新增 sample 粒度提交回填，消除 fully-async 拖尾组瓶颈

值得精读。重点学习 `SubmissionScheduler` 的并发账目设计、异常路径 cancel-and-settle、per-driver 默认值，以及 review 中关于 credit 守恒的辩论——对做异步调度系统的人有教科书级借鉴价值。

回滚过宽的 backuper 参数断言，修复 LoRA e2e CI 启动崩溃

值得快速阅读。虽然改动只有 8 行删除，但 PR body 展现了良好的工程判断：识别断言覆盖范围与实际行为（--colocate 隐式开启 offload_train）的偏差，并坚持把防御性检查放在真实故障点。建议关注后续 #2204 是否已合入，确认风险窗口已关闭。

参数校验拒绝 LoRA + colocate + offload 下禁用权重备份

值得精读，虽然改动仅 8 行，但它展示了如何通过参数验证将分布式训练中隐蔽的挂起问题转化为即时失败，体现了 fail-fast 的防御性设计。关注 `is_lora_enabled` 的覆盖范围及断言条件的完备性，未来若 LoRA 启用判断逻辑变化需同步维护。