#2786 GLM 5.3 Flash RL Support
原始 PR · 作者 Zhichenzzz · 合并时间 2026-09-25 11:05
分析结果尚未生成。
radixark/miles
Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.
PR 列表
2026-09-25
#2777 Qwen3.8-Flash-Next RL training support
原始 PR · 作者 Zhichenzzz · 合并时间 2026-09-25 11:02
分析结果尚未生成。
分析结果尚未生成。
分析结果尚未生成。
分析结果尚未生成。
#3695 test(save): align the force-sync save test with the snapshot-publisher API
原始 PR · 作者 Zhichenzzz · 合并时间 2026-09-25 06:27
分析结果尚未生成。
分析结果尚未生成。
#3342 perf(checkpoint): overlap force-sync HF export with async save
原始 PR · 作者 nanjiangwill · 合并时间 2026-09-25 05:52
分析结果尚未生成。
参与讨论