Prhub

radixark/miles

Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.

监控状态：已开启 最近同步：2026-09-01 15:20 同步状态：空闲 下次计划：2026-09-01 16:20
后台正在同步并分析最近 PR，页面会自动刷新并逐步显示最新结果。

PR 列表

最近 1 天 最近 3 天 最近 7 天
更多筛选
标签聚合 仓库周报
2026-08-31
{'type': 'object', 'additionalProperties': False, 'properties': {'pr_type': {'type': 'string', 'enum': ['feature', 'bugfix', 'refactor', 'performance', 'infra', 'docs', 'test', 'other']}, 'summary_short': {'type': 'string'}, 'summary_long': {'type': 'string'}, 'motivation': {'type': 'string'}, 'implementation_overview': {'type': 'string'}, 'discussion_highlights': {'type': 'string'}, 'risk_analysis': {'type': 'string'}, 'impact_analysis': {'type': 'string'}, 'recommendation': {'type': 'string'}, 'importance_score': {'type': 'number', 'minimum': 0, 'maximum': 10}, 'insight_score': {'type': 'number', 'minimum': 0, 'maximum': 10}, 'tags': {'type': 'array', 'items': {'type': 'string'}}, 'key_files': {'type': 'array', 'items': {'type': 'object', 'additionalProperties': False, 'properties': {'path': {'type': 'string'}, 'reason': {'type': 'string'}, 'status': {'type': ['string', 'null']}, 'importance_score': {'type': ['number', 'null']}, 'module': {'type': ['string', 'null']}, 'module_label': {'type': ['string', 'null']}, 'category': {'type': ['string', 'null']}, 'change_kind': {'type': ['string', 'null']}, 'changed_symbols': {'type': 'array', 'items': {'type': 'string'}}, 'source_summary': {'type': ['string', 'null']}, 'annotated_snippet_markdown': {'type': ['string', 'null']}}, 'required': ['path', 'reason', 'status', 'importance_score', 'module', 'module_label', 'category', 'change_kind', 'changed_symbols', 'source_summary', 'annotated_snippet_markdown']}}, 'key_functions': {'type': 'array', 'items': {'type': 'string'}}, 'key_threads': {'type': 'array', 'items': {'type': 'object', 'additionalProperties': False, 'properties': {'topic': {'type': 'string'}, 'category': {'type': 'string'}, 'discussion': {'type': 'string'}, 'conclusion': {'type': 'string'}, 'status': {'type': 'string'}, 'location': {'type': ['string', 'null']}, 'importance_score': {'type': 'number', 'minimum': 0, 'maximum': 10}}, 'required': ['topic', 'category', 'discussion', 'conclusion', 'status', 'location', 'importance_score']}}, 'related_prs': {'type': 'array', 'items': {'type': 'object', 'additionalProperties': False, 'properties': {'number': {'type': 'integer'}, 'title': {'type': 'string'}, 'reason': {'type': 'string'}}, 'required': ['number', 'title', 'reason']}}, 'risk_flags': {'type': 'array', 'items': {'type': 'string'}}, 'final_report_markdown': {'type': 'string'}}, 'required': ['pr_type', 'summary_short', 'summary_long', 'motivation', 'implementation_overview', 'discussion_highlights', 'risk_analysis', 'impact_analysis', 'recommendation', 'importance_score', 'insight_score', 'tags', 'key_files', 'key_functions', 'key_threads', 'related_prs', 'risk_flags', 'final_report_markdown']} 重要性 5.71 洞察度 0.00

基础设施 重要性 6.51 洞察度 5.00

CI 命令网关新增用户 ID 白名单，种子授权 4 位贡献者

值得精读，尤其适合管理开源仓库 CI 命令权限的团队。两个设计决策值得借鉴：①授权身份绑定 GitHub 稳定数字 ID 而非 login，避免用户名变更导致权限漂移；②每个 tier 独立白名单，且 `/clear-labels` 这类涉及 CI 策略的操作始终要求实时 write/admin，体现最小权限原则。建议后续补强 v4 的 `users` 条目 schema 校验与缺键错误测试，弥补删除 `_validate_user_ids` 后的校验空档。

ciinfratesting
性能优化 重要性 7.79 洞察度 6.00

policy 前向保留模型精度，按块上转 FP32 省显存

值得精读。核心看点是“延迟上转”模式：把整张 logits 的 FP32 物化推迟到 chunk 粒度，配合 Megatron `fp32_output` 开关实现显存近一个数量级的下降；另一个值得借鉴的细节是把温度缩放放到 FP32 上转之后再做，避免模型精度下的舍入误差，并用 atol=1e-6 的等价性测试固化。fp16 placeholder 的 `sum(dtype=torch.float32)` 防溢出写法也建议在其它 loss 占位处复用。若团队后续要统一 1F1B 路径，可参考本 PR 的 `fp32_output` 透传设计。

performancemegatronppo
2026-08-30
基础设施 重要性 4.93 洞察度 4.00

新增 stage-c-8-gpu-b200，接入 8×B200 CI runner

值得快速精读。虽然单看只是注册表加一行 + 一个 workflow job，但其中蕴含两个可复用的 CI 设计原则：一是「测试自声明 GPU 预算（ray start --num-gpus / torchrun --nproc-per-node）而不是读取可见设备」，这让不分区主机的资源分配语义清晰；二是「合入时零测试注册是安全的，因为空 stage 收集零测试并退出 0」，支撑了增量迁移的分步落地。对参与 CI 基础设施维护的工程师，建议重点关注 pr-test.yml 中 job 注释与 tests/ci/run_suite.py 的 suite 注释，这两处把「为什么这么设计」讲得最清楚。

ciinfrahardware
功能 重要性 8.26 洞察度 6.00

CSR 采样掩码表示与 rollout→trainer 传输契约落地

值得精读。重点学习两点：一是 codec 中通过 `ROLLOUT_SAMPLING_MASK_FIELDS` 从默认 allowlist 排除新字段、保持 payload 字节级向后兼容的策略；二是 CSR 掩码完整生命周期管理（append 校验、prefix 截断、merge 补观察 token、reset 清空）。建议合入前确认工具调用路径的强制 token 掩码覆盖，并在 #2596 落地 e2e 后回看数据流完整性。

rolloutsessionppo
测试 重要性 9.00 洞察度 6.00

新增 Anthropic 会话验证与 SGLang 契约闸门

值得精读。三个设计点最有价值：一是硬/软失配的分层判定配合 sidecar 日志，解决"rollout 重试吞掉验证失败"的经典问题；二是用配对 checkout 把上游外部 PR 不跑的 CPU 套件搬进自家 CI，形成行为保持闸门；三是端口独立分配对并发部署的改进。阅读时注意临时闸门的清理时机与 Qwen3.6 阈值放宽的后续收敛。

testingsessionrollout

参与讨论