radixark/miles

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。

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。