radixark/miles

修复 examples 各 README 死链、列表结构与缺失条目

本 PR 值得 5 分钟快速浏览 diff：它是“文档内容为自动化铺路”的干净范例，也是 stacked PR 顺序管理（#2482 先行、#2481 重定向 main 后跟上）的直观教材。对文档维护者，`examples/README.md` 作为 meta description 来源的写法值得借鉴。对工程师而言，真正值得精读的是 #2481 的 `scripts/tools/sync_example_docs.py` 生成器——它把死链、H1、描述长度变成机器可检查的契约，本 PR 只是这份契约的输入整理。

新增单机 Qwen3-4B PPO 可运行示例与文档

值得精读。重点看 examples/ppo/README.md 的 Constraints 和 Which numbers here are verified 两节，以及 run_qwen3_4b_ppo.py 中注释串联的 PPO 参数设计：critic 共置、loss 级 KL、每 GPU 一个 engine 等决策都有明确理由。想在单机上跑 PPO 的团队可以直接以此为起点；后续接入官方文档时也建议保留这些约束说明。

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。