radixark/miles

单步 PPO 训练复用训练 log-probs，跳过冗余 actor 前向

值得精读。本 PR 展示了一个典型的"安全性能优化"范式：用显式 opt-in flag + fail-closed 配置清单 + 运行时断言三层防护，把"两个 forward 统计等价"这一不变量落到代码层面；`policy_loss_function` 中旧策略源选择与 TIS 输入解耦、`compute_advantages_and_returns` 的 detach 边界统一，都是值得借鉴的设计决策。review 中针对 detach 回归（#1966）的讨论也说明核心训练路径的边界必须显式维护。

文档导航统一为纯标签分组、Overview 落地页、链接色收窄

值得快速浏览：本 PR 是文档工程化的不错样板 —— 把导航语义写成『生成器 + 钩子 + 约定文档 + 单测』四件套，并用页面数与 broken links 守恒作为自证回归证据。不需要精读源码；值得关注的决策点包括：用 `sidebarTitle` 分离 h1/SEO 标题与侧边栏短标签、以纯标签分组消灭『可点击与不可点击标题』的不一致、以及 pygrep 钩子一行代码锁死配置契约。后续维护者需留意 SECTION_DIRS 硬编码与生成器/手写双轨配置的扩展点。

删除 docs 导航栏 Contact 按钮，与 README 保持一致

不值得精读，属于琐碎的一致性清理。值得关注的决策点：移除对外联系方式时，应同步排查所有暴露同一信息的入口（README、docs、CODE_OF_CONDUCT），并明确各入口职责边界；删除可选配置字段前，应先核对上游 schema 以确认字段确实可选。

环境文档移入 User Guide 并更名 Agentic

该 PR 价值较低，无需精读，可作为"保持 URL 稳定前提下重排文档导航"的最小范例：显式声明 URL 不变、复用既有子分组结构范式、同步更新页面 title 与索引表格三处保持一致。若关注 Miles 文档信息架构演进，可顺带阅读 PR #2484 的导航结构改动。

每周六新增全量 CI 节奏，GPU 矩阵限流至单 runner

CI 工具链与基础设施负责人建议精读，特别是 tests/ci/ci_policy.py 中"每个精确 cron 显式映射独立 cadence"的设计原则和 RunPolicy 字段化改造，这两点对后续扩展 CI 节奏、避免新 cadence 静默继承 nightly 行为很有参考价值。普通产品开发者只需了解每周六存在全量 CI 运行即可，无需深入源码。

默认 metrics 端口改为 0，避免 Mooncake 启动端口碰撞

值得快速浏览：这是一个教科书式的“固定端口 → 端口 0 原子分配”修复，改动极小但解决了多进程环境下的真实启动故障。值得关注的设计点是让就绪判定与可选项端口解耦、只等待核心 RPC 端口，以及用测试锁定默认命令格式。若团队有依赖 50052 拉取指标的自动化，需要同步排查适配。

修正 agentic rollout 文档，整合 TITO 会话与生成端点指南

值得精读。对使用 agentic rollout 与 TITO 的工程用户，这是当前最权威的配置与契约说明；对文档维护者，该 PR 展示了“症状-根因-修复-验证”的文档修正方法和页面整合时保留 redirect 的迁移策略。值得关注的设计决策：文档围绕“token 所有权”这一单一事实组织 agentic 路径，用一张对比表呈现 generate 函数的两种兼容形式，并把 CLI help 修正与文档重构放进同一个 PR 以保证契约一致性。

修复 rollout 内 sibling reward 不一致被静默降级的问题

值得精读，尤其是“用硬校验替代启发式”的 reward 数据契约设计。对维护者，建议确认所有 rollout 数据源（session v2、legacy fixed-fanout）都满足 sibling 奖励一致契约；对使用者，若训练突然报 `must share one reward`，应检查 reward 后处理是否按 rollout 输出同一值，而不是依赖 mask 或长度差异。