radixark/miles

DSA indexer wk 改发 bf16，修复 Blackwell 在线权重同步

该 PR 值得精读，尤其关注在线权重同步与量化格式匹配的问题。设计决策是选择直接发送 bf16 而非尝试适配 ue8m0，简化了路径且成本可接受。建议后续增加针对该场景的回归测试。

修复冻结 draft 权重同步选择器

值得精读。该 PR 展示了如何用一个单一决策函数统一权重更新覆盖范围，并通过端到端指标（spec_accept_length）验证修复效果；同时揭示了非幂等变换（AITER shuffle）在权重同步中可能引发的静默损坏，对处理分布式训练推理一致性有启发。建议关注其条件判断的扩展性，并补充针对 selector 分支的单元测试。

修复 CUDA12 镜像 sglang 脏树阻断发布构建

值得快速阅读，作为一个典型的“上游镜像脏树 + 依赖标记污染”CI 问题的修复案例。其价值不在于代码量，而在于对根因的完整定位：作者先确认是上游镜像构建行为导致，再论证“只用 checkout -f 不够”，必须重放 sed 改写才能避免可编辑安装元数据泄漏 cu13 标记。可关注的点是 sed 模式与上游文件耦合带来的维护成本，后续升级 sglang-miles 时需要注意同步校验。

训练样本组装移入 session server，records 不再出服务器

值得精读。该 PR 是一个典型的「传输与计算位置重构」案例：用单一 wire 契约（SAMPLES_VALUE_SPEC）把服务端计算与客户端覆盖解耦，用 deepcopy + 默认值守卫保证输入模板不被污染，并以 golden 测试锁定行为。重点关注三个设计决策：① 字段白名单 + 固定 dtype + strict 校验如何防止静默精度损失；② 超时 fail-loud 与边界 ABORT 的权衡；③ 服务端事件循环同步组装的取舍。

新增 NeMo-Gym 集成示例，agent 函数层对接 mini_swe_agent_2

值得精读。三个设计决策有借鉴价值：① agent function 层连接器的失败语义设计——传输失败返回 None 保留 session 成样、reward 兜底 0.0，未触达模型的 episode 经 check_no_aborted 整组丢弃，把"环境故障"与"模型能力不足"两类情况做了干净区隔；② 无 GPU 双层扫描验证方法论——golden 扫描以 reward 1.0 为硬门槛验证沙箱 + 镜像 + SWE-bench harness 链路，API-policy 扫描验证 policy_base_url 覆盖的端到端往返，两关都过了才上 GPU 训练，成本极低；③ 上游优先集成策略——把 per-request policy 覆盖做成上游 NeMo-Gym PR（#2166）而非 miles 侧 hack，README 明确指向 PR 分支并说明合并后如何切回上游。若团队计划继续扩展外部环境生态，此 PR 可作为第三个范式实例的模板。

升级 sglang 至 v0.5.16，适配依赖栈并修复权重更新

值得精读，尤其是 `docker/Dockerfile` 的构建健壮性实践与 `miles/backends/megatron_utils/update_weight/common.py` 的未标记专家权重处理。后续 sglang 升级时，建议提前对照 v0.5.16 重构点（WeightUpdater、RemoteInstanceWeightTransporter、get_server_args）逐项核对 miles 侧引用，并确认 sglang#32809 是否已进入 sglang-miles 主线。

清理 AMD 脚本失效参数并新增 MTP 推测解码

值得精读，尤其是它对“失效配置”的识别方法和通过提交历史逐步收敛变更的过程，对于维护长生命周期启动脚本很有参考价值。MTP recipe 的配置方式也可迁移到其他 AMD 模型脚本。

MXFP8 量化器统一为 TransformerEngine 适配

值得精读 1 个文件：`miles/utils/mxfp8.py`。其设计决策（lazy 导入、TE 32 行对齐补零后裁剪回紧凑布局、rowwise-only 模式）很好地展示了如何在第三方量化器之上保持稳定的 checkpoint 契约。若团队后续要引入其他量化后端，这个适配层模式可以直接复用。不建议作为架构级参考，因为改动面小且无 review 讨论。