radixark/miles

跳过非数值奖励，修复 OPD 训练崩溃

值得精读，作为处理自定义奖励函数返回非数值类型的防御性编程范例。建议阅读 `miles/ray/rollout/metrics.py` 中的 `_compute_training_sample_metrics` 函数，并考虑补充测试覆盖非数值奖励场景。

升级 refactor 验证技能，新增 proof 生成与链式验证工具链

值得精读。核心看点是 `mechanical_refactor_reproduction_utils.py` 中 AST 定位 + 源码文本拼接的原子原语设计，以及 `mechanical_refactor_proof_generator.py` 中从 diff 反推 recipe 的启发式推断；这两者组合实现了「机器证明机械重构」的闭环。对计划做大规模代码移动或希望自动化重构 review 的团队有直接借鉴价值。建议重点关注 `verify_mechanical_refactor` 的 worktree 校验流程和 `infer_recipe` 对不支持场景（rename、语句级重排）的显式拒绝策略。

--hardware 自动探测节点并推导 GPU 数

值得精读：它展示了如何把分散在 19 个脚本里的机器假设收敛为单一事实来源，并用「替换前字面量一致性核对 + 快照不变 + pin 机制」三重手段保证行为不漂移。最值得学习的两点：resolve_hardware() 用 typing.get_args 反射字段 Literal 做显式校验，避免 match 静默穿透；测试用 _fake_torch 在无 GPU runner 上完整覆盖硬件探测矩阵。合并前建议在 B300/GB300/H200 实机各跑一次探测。

新增 Terminus 2 compaction 训练示例

值得精读，尤其是 `run.py` 中 `_build_train_args` 对 session server v2 与 TITO、GRPO 的串接方式，以及 README 中对 compaction 心理模型的解释。对需要设计训练配方或复现 RL 实验结果的同学，这是一份很好的参考模板；对核心代码维护者，仅需关注新增测试是否与 `py_harness` 的兼容性。

新增 compaction 感知的 rollout 训练样本与奖励指标

建议精读该 PR 以理解如何在 rollout 指标中正确处理 session compaction。值得关注的设计决策：奖励按 rollout 等权平均，避免长 rollout 权重过大；分组 key 的设计兼顾 rollout_id、index 和位置回退；使用 metadata 中的 raw_reward 进行奖励计算的策略。

README 系统补充牛津逗号并微调措辞

该 PR 属于低风险的文档润色变更，不值得精读。若关注文档严谨性，可快速浏览 diff 确认牛津逗号和措辞修改是否符合团队风格规范。无需进一步关注。

将 router/session-server 就绪超时提升至 120s，修复 CI 偶发失败

该 PR 值得快速合并，修复了 CI 偶发失败且改动简单、注释清晰。对于读者，它展示了如何通过根因分析定位偶发故障并采用合理的超时策略。无需深读，但可以留意后续是否将常量提取为可配置参数。

Dockerfile 的 MEGATRON_BRANCH 回退到 miles-main

此 PR 为简单的基础设施修复，不值得精读。核心决策是确保分支引用与上游仓库一致，建议关注后续是否有类似的临时分支引用清理。