Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.
修复 PPO GAE 仅在可训练 token 上计算
值得精读。这是 PPO 在 agentic / 多轮场景下训练正确性的关键修复："压缩子序列再跑 batched GAE" 的设计让 FLA 风格 chunked kernel 零改动复用，属于可迁移的模式；docstring 对 masked 位置 0 值、下游 whitening / OPD 偏移、mask-weighted 统计量的边界界定也很值得学习。建议与 PR#1916（多轮样本语义）、PR#1759（session server 样本组装）一起阅读，理解 loss_mask 从 rollout 到 loss 的完整链路。
原始 PR · 作者 yushengsu-thu · 合并时间 2026-07-29 07:30
LoRA 桥接路径透传 attention-backend
值得快速浏览，无需精读。这是一次教科书式的参数透传遗漏修复：通过对比 model_provider.py 与 bridge 路径的差异定位根因，并同步修正了 CI 中不可能成功的参数请求。可关注的设计点是"一行修复 + 测试语义对齐"的最小 diff 实践，以及作者自我 review 移除注释保持提交简洁的做法。若团队有类似"批量复制参数到 provider"的代码，建议考虑加参数透传完整性校验或对照测试。
原始 PR · 作者 Michaelsqj · 合并时间 2026-07-14 03:46
禁用 DSV4 稀疏 MLA 后向 aggressive smem merge，修复 NaN 梯度
值得精读，重点看 PR body 的根因分析与验证设计，以及 Issue #1571 的 bisect 过程。设计决策上，“用 2% 内核性能换取确定性正确性”是合理权衡；更值得借鉴的是其基于实验排除干扰项（fp8、DSA-indexer、坏节点）的方法。建议团队为所有 sparse-MLA 内核（glm5、DSV4 等）建立共享的 pass_configs 基线，并增加编译配置的回归测试，避免同类 bug 在不同内核副本间重复出现。
参与讨论