radixark/miles

修复 Inkling 模型原始完成解析，将 token 级别解析权归还会话服务器，消除 TITO 不匹配。

这是一个重要的 bug 修复和架构改进，值得精读。其核心价值在于：1）解决了影响训练数据准确性的实际问题；2）展示了通过钩子机制将模型特定逻辑解耦的优雅设计；3）提供了处理复杂模型协议的完整实现范例（解析、状态维护、模板渲染、测试）。建议重点关注 `InklingResponseParser` 的状态机实现、`TITOTokenizer` 钩子的设计以及模板中 `content_blocks` 的处理逻辑。guapisolo 在评论中提出的架构讨论也极具参考价值。

优化 colocate LoRA 权重同步，消除重复的 CPU 参数备份，节省大量主机内存。

本 PR 是一个针对特定高性能计算场景（colocate LoRA）的重要内存优化。实现逻辑清晰，通过引入条件判断消除了已知的内存冗余，并提供了详实的性能对比数据。建议所有使用 colocate LoRA 进行训练的团队关注并考虑集成。代码变更主要集中在两个文件，且通过提交历史可以看出作者对边界条件（如 disk offload、CI 兼容性）进行了细致处理，值得精读其设计决策。

为 PPO 训练的 bridge 模式增加 critic 模型支持，修复权重加载冲突并更新文档。

此 PR 值得精读。它是一个针对性强的功能增强，解决了 PPO 训练路径中的一个具体限制。其设计亮点在于：1) 通过“值头隐藏机制”（`_hide_critic_value_head_from_hf_load`）优雅地解决了权重加载冲突，该模式可复用于未来类似场景；2) 将 critic 构建逻辑对齐到已有路径（raw/custom），保持了代码一致性。关注点在于该机制的健壮性以及 PPO+Bridge LoRA 组合未经测试的边界条件。对于负责 PPO、模型后端或检查点加载的工程师，理解此次变更及其设计决策尤为有用。

移除 Inkling 模型冗余的原子更新组，简化权重同步逻辑并增强断言严格性。

这个 PR 值得精读，特别是对于理解 Inkling 模型权重转换机制和原子更新组的设计意图。它展示了如何通过深入理解底层数据流来识别并移除冗余逻辑，是代码简化的良好范例。建议关注 `_PieceAccumulator` 的实现和严格断言的恢复。

修复 Dashboard 无法区分共享 sample_index 的 TITO v2 叶子样本，引入 occurrence 键解决数据混淆与 API 500 错误。

该 PR 值得精读。它不是一个简单的 bugfix，而是针对一个设计上的歧义（共享 sample_index）提出的系统性解决方案，贯穿了后端数据模型、API 契约、前端路由和 UI 展示。review 过程中由自动化工具指出并推动修复的两个关键正确性问题（KeyError 和 occurrence 编号错配）极具洞察力，展示了对数据一致性和边缘情况的深入考虑。其引入的 `(sample_index, occurrence)` 键模型和对历史数据的兼容处理方式，对类似场景有很好的借鉴意义。

将 OpenEnv 集成对 tbench2_env 环境包的最低版本要求从 #1012 提升至 #1025，以修复基础设施失败被误判为测试失败的评分漏洞。

这个 PR 是一个重要的、针对性的正确性修复。它解决了一个能悄无声息地污染训练数据的评分漏洞。变更本身风险较低，逻辑清晰，主要是版本门槛提升和文档同步。强烈建议相关维护者和使用 OpenEnv 集成的工程师精读此 PR，特别是理解从源码探测到 per-episode 守卫的双层防御机制为何必要，以及 #1025 修复的具体漏洞场景。虽然没有复杂的代码逻辑，但它展示了在 RL 训练数据流中建立可靠“合约”检查的重要性。

将 e2b SDK 声明为可选依赖并设置最低版本要求，修复与旧版 SDK 的兼容性问题。

该 PR 值得精读。它是一个高质量的 bugfix 与增强性变更，不仅解决了具体问题，还引入了可复用的依赖版本检查模式。关键设计决策在于 `preflight_sdk` 函数的演进（增加 `min_version` 参数）和对缺失包元数据的优雅降级处理，以及配套的全面测试。对于维护类似沙盒后端集成的工程师尤其具有参考价值。

在 TB2 环境构建配方中锁定 mcp<2，修复因 mcp 2.0 破坏性变更导致的 Camel-AI 导入失败。

这是一个**值得精读但逻辑简单的** bugfix PR。其价值不在于复杂的代码变更，而在于清晰展示了对外部依赖破坏性变更的快速响应和修复模式（在构建层通过版本约束进行缓冲）。对于维护依赖复杂生态系统的工程师来说，此 PR 中详细的注释和提交说明是很好的实践范例。建议关注点在于其对依赖管理的处理方式，以及如何通过注释和配方变更来隔离上游破坏性变更的影响。