Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.
原始 PR · 作者 yueming-yuan · 合并时间 2026-07-30 05:12
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。
原始 PR · 作者 XinyuJiangCMU · 合并时间 2026-07-30 04:14
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。
重组 examples 目录并清理废弃示例
值得精读，这是大型目录重组的典型案例。重点关注三类引用形式的区分处理、fully_async 与并发 PR 的冲突规避、以及静态审计替代 CI 的验证方法。若不依赖示例目录，可快速浏览执行摘要与风险部分即可。
移除 --generate-multi-samples，多轮轨迹统一返回标量 Sample
值得精读。这是 rollout 输出契约规范化的代表性 PR，展示了「把语义决策从 CLI 开关迁移到生成器类型契约」的设计思路。重点阅读 `miles/rollout/generate_hub/multi_turn.py` 与 `miles/rollout/generate_hub/agentic_tool_call.py` 的 head 版本，对比 merge 链路的统一；再看 `dynamic_sampling_filters.py` 的类型收窄，理解混合 group 过滤的正确姿势。若团队有自定义 reward model 或依赖旧 flag 的脚本，需按此 PR 同步迁移。
原始 PR · 作者 Zhichenzzz · 合并时间 2026-07-30 02:18
新增 dashboard 用户指南并接入文档导航
值得阅读，尤其对于使用或打算使用 miles dashboard 的工程师。文档不仅是使用手册，还深入解释了存储布局设计和失败策略，对理解 dashboard 的架构很有帮助。建议在后续 dashboard 功能变更时，以本 PR 为基准同步维护该文档。
会话支持请求级 chat_template_kwargs 覆盖渲染
值得精读。该 PR 展示了如何在共享底层 tokenizer 的前提下为每个请求创建轻量配置副本，以及如何处理模型家族的同义参数别名。合并逻辑 merge_chat_template_kwargs 和 clone_with_chat_template_kwargs 的设计可作为后续其他请求级配置覆盖的参考模板。
原始 PR · 作者 yueming-yuan · 合并时间 2026-07-29 13:33
更新 CODEOWNERS 新增 dashboard 负责人
该 PR 属于常规仓库治理维护，不值得深入精读。可作为 CODEOWNERS 配置演进的参考：当子模块规模扩大时，及时为其建立专属所有者规则，避免长期依赖父路径的默认集合。
参与讨论