radixark/miles

补齐 session 路径 spec 计数器采集

值得快速精读（约 10-15 分钟）。这是一个教科书式的“双路径重复实现导致指标失真”案例：PR body 对根因、实测数据、修复后效果和数据可用性边界的分析非常扎实，尤其“修完 `spec_accept_length` 但 `spec_accept_rate` 仍为 0，因为字段缺失而非 bug”的区分，展示了严谨的排查方法论。后续建议以 `# TODO unify with Sample.update_from_meta_info` 为线索，推动 session 与直接 rollout 路径的元数据采集逻辑合并，从根本上消除此类分叉。

开启 dp-attention 时自动启用 dp-aware 路由

PR 虽然只有 3 行源码 + 28 行测试，但值得精读：PR body 提供了完整的生产故障分析（GLM-5.2 744B 上 dp rank 排队与超时数据），展示了如何把线上指标转化成一行默认行为修改；默认开启而非新增开关的设计取舍也值得借鉴。建议重点看 validate_args 的参数编排位置与测试中手动补齐 RouterArgs 字段的做法。

按 indexer_rope_interleave 条件量化 DSA indexer wk

值得精读：它展示了对历史修复的回溯修正，以及基于下游引擎（SGLang）参数布局做条件化量化的设计模式。建议结合 #1928 一起阅读，理解 DSA indexer 在 interleaved/非 interleaved 下的差异；同时关注 `indexer_rope_interleave` 配置在模型转换链路中的传递可靠性。

PPO 支持 Actor/Critic 共享 GPU 训练

值得精读。本 PR 展示了“driver 拥有 offload 计划、actor 拥有机制”的生命周期所有权拆分、基于 `_asleep` 的幂等 offload/onload（retry-safe）、用 Ray object reference 替代 NCCL 广播的数据交接方式，以及对 `kl_coef`（GAE 折扣）与 `kl_loss_coef`（KL 惩罚）语义差异的细致处理。建议重点关注 `miles/backends/megatron_utils/actor.py` 的 train/sleep/wake_up 与 `miles/ray/placement_group.py` 的布局计算，并跟踪后续“critic 独立参数、multi-critic、不同并行度”等 TODO 的演进。

共享服务器腿改原生打分，退役适配补偿

值得精读，尤其适合想理解「删除兼容分支时如何保正确性」的工程师。三个看点：(1) 运行时契约守卫的设计——当 preflight 不可行时，用回复自身的契约指纹（info.harness）把静默误打分变成大声失败；(2) 跨仓库边界的演进编排——miles 侧 PR 明确依赖上游 OpenEnv#1012 且给出双向不兼容的切换顺序；(3) review 中 Shi-Dong 抓出的 0.0 vs None 差异，是「删除看似等价代码」时最容易漏掉的行为边界。

新增 Inkling-Small 276B 模型文档页

该 PR 为纯文档变更，不值得精读代码细节，但可作为了解 Inkling 系列模型支持范围的入口。值得关注的是文档中提到的 `scripts/models/inkling-small.sh` 和 `scripts/run_inkling_975b.py` 等配方文件，它们才是模型真正落地的源码载体，建议有需要时追溯这些文件。

修复 dashboard 阶段可见性与空闲事件滞留

值得精读，尤其是 store.py 中 open 区间语义的处理和 hooks.py 中后台 flush 线程的设计：前者体现了“事件半开区间 + 渲染端负责延伸”的约定，后者解决批处理 sink 在静默进程上的滞留问题。建议后续为这三类场景补充针对性回归测试（open manager 事件、空 gpus 拓扑、空闲进程 flush），并将 `t1=-1` 的渲染约定写入模块文档。

启用 MoE 专家多 LoRA，扩展 (tp,pp,ep) 分片与校验

值得精读。三个设计决策有借鉴价值：(1) 用一次缓存的 gloo all-gather 获取 realized 坐标集合而非推导 `tp × pp × ep` 笛卡尔积，正确处理 ETP < TP 的稀疏拓扑；(2) rank 轴从张量末尾寻址，使同一函数同时正确服务 2-D dense 与 3-D/4-D packed 导出张量；(3) 把依赖 Megatron 解析结果的校验放在 `provider.finalize()` 之后，避免 CLI 层对 `None` 默认值的误判。配套测试（尤其 `test_completeness_ignores_unrealized_coordinates`）精准锚定了每个修复动机，适合作为回归测试范本；review 中"注释压缩到 1-2 行"的约定也体现了该仓库对可读性的要求。