[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-radixark--miles":3,"tool-radixark--miles":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":105,"forks":106,"last_commit_at":107,"license":108,"difficulty_score":109,"env_os":110,"env_gpu":111,"env_ram":112,"env_deps":113,"category_tags":122,"github_topics":79,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":123,"updated_at":124,"faqs":125,"releases":160},2561,"radixark\u002Fmiles","miles","Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.","Miles 是一款面向企业级应用的高性能强化学习框架，专为大型语言模型（LLM）和视觉语言模型（VLM）的后期训练打造。它源自 slime 项目，旨在弥合学术研究与工业生产之间的鸿沟，解决大规模模型在强化学习训练中常见的稳定性差、推理与训练不匹配以及显存资源受限等核心痛点。\n\nMiles 深度集成了 SGLang 以实现高吞吐量的样本生成（Rollout），并结合 Megatron-LM 确保训练的可扩展性。其独特技术亮点包括：支持 INT4 量化感知训练，让万亿参数模型能在单机显存中高效运行；创新的 R3 机制通过重放路由决策，彻底消除了混合专家模型（MoE）在训练与推理间的不一致性；此外，它还原生支持 VLM 多轮对话训练及多智能体协同进化。\n\n这款工具非常适合需要构建稳定、高效大模型训练流水线的 AI 研究人员、算法工程师及企业开发团队。无论是进行复杂的医疗模拟、深度研究任务，还是优化超大规模模型的最终表现，Miles 都能提供生产级的可靠性与卓越的性能表现，帮助开发者轻松迈出大模型优化的关键一步。","\u003Cdiv align=\"center\">\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fradixark_miles_readme_9a2b0536660b.png\" alt=\"Miles Logo\" width=\"550\">\n\n### **Enterprise-Grade Reinforcement Learning for Large-Scale Model Training**\n### **High-Performance Rollout • Low Precision Training • Production Stability**\n\n[![GitHub Repo](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fgithub-radixark%2Fmiles-black?logo=github)](https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fradixark\u002Fmiles)](LICENSE)\n[![Slack](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fslack-join-brightgreen.svg)](https:\u002F\u002Fslack.sglang.ai)\n\n[**Latest Updates**](#latest-updates) | [**Quick Start**](#quick-start) | [**Key Features**](#key-features) | [**Documentation**](docs\u002Fen\u002Fget_started\u002Fquick_start.md)\n\n\u003C\u002Fdiv>\n\n---\n\n\n## Latest Updates\n\n*   **[2026\u002F02]** 💡 **Miles Detailed Arguments**: We've added a detailed command-line argument guide used to configure Miles for RL training and inference. These arguments enable precise control over cluster resources, training backends (Megatron\u002FFSDP), inference optimization via SGLang, and RL algorithmic hyperparameters. [Link](https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fblob\u002Fmain\u002Fdocs\u002Fen\u002Fadvanced\u002Fmiles_server_args.md)\n*   **[2026\u002F01]** 💎 **INT4 Quantization-Aware Training (QAT)**: Inspired by the Kimi K2-Thinking report, Miles now features a full-stack INT4 W4A16 QAT pipeline. This allows 1TB-scale models to fit into single-machine VRAM (e.g., NVIDIA H200), doubling rollout efficiency by eliminating cross-node bottlenecks while maintaining BF16-equivalent accuracy. [Blog](https:\u002F\u002Flmsys.org\u002Fblog\u002F2026-01-26-int4-qat\u002F)\n*   **[2026\u002F01]** 💎 **Unified VLM\u002FLLM Multi-Turn Training**: We provided an implementation for the VLM multi-turn sampling paradigm. Developers only need to write a customized `rollout` function to easily start multi-turn RL for VLM, just like training LLM. [Blog](https:\u002F\u002Fgithub.com\u002Fzhaochenyang20\u002FAwesome-ML-SYS-Tutorial\u002Fblob\u002Fmain\u002Frlhf\u002Fslime\u002Fvlm-multi-turn\u002Freadme-en.md)\n*   **[2026\u002F01]** 🤖 **Multi-Agent Co-Evolution**: Miles now supports **MrlX**, a novel asynchronous co-evolutionary framework for Multi-Agent RL. Achieve superior performance in complex tasks like Doctor-Patient simulations and DeepResearch pipelines by enabling specialized agents to evolve together symbiotically. [[Link]](https:\u002F\u002Fgithub.com\u002FAQ-MedAI\u002FMrlX)\n*   **[2025\u002F12]** 🔄 **Rollout Routing Replay (R3)**: In collaboration with SGLang, we've launched R3 to solve MoE RL instability. R3 records inference routing decisions and replays them during training, effectively eliminating the \"training-inference mismatch\" and preventing training collapse in large MoE models like Qwen3 and DeepSeek-V3. [[Paper]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2510.11370) [[Docs]](docs\u002Fen\u002Fadvanced\u002Fmiles-router.md#22-rollout-routing-replay-r3-for-moe)\n*   **[2025\u002F11]** 🔥 **Unified FP8 Release**: Solves the stability issues in MoE RL by ensuring training and inference use the exact same FP8 quantization logic. [[Blog]](https:\u002F\u002Flmsys.org\u002Fblog\u002F2025-11-25-fp8-rl\u002F)\n*   **[2025\u002F11]** ⚡ **Speculative Decoding in RL**: Integrated speculative rollout with online SFT for draft models, achieving massive throughput gains. [[Blog]](https:\u002F\u002Fgithub.com\u002Fzhaochenyang20\u002FAwesome-ML-SYS-Tutorial\u002Fblob\u002Fmain\u002Frlhf\u002Fslime\u002Fspec\u002Freadme-en.md)\n*   **[2025\u002F11]** 🎉 **Miles Project Launch**: A joint effort by InfiXAI, Ant Group, SGLang RL Team, and the Miles community. [[Announcement]](https:\u002F\u002Flmsys.org\u002Fblog\u002F2025-11-19-miles\u002F)\n\n## What is Miles?\n\n**Miles** is a high-performance, enterprise-ready reinforcement learning (RL) framework specifically optimized for **Large-Scale model Post-Training**. Built as a powerful fork of **[slime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime)**, Miles bridges the gap between research-grade RL and production-grade reliability by integrating **SGLang** for high-throughput rollout and **Megatron-LM** for scalable training.\n\n> *\"A journey of a thousand miles begins with a single step.\"* — Miles focuses on the low-level system optimizations that make large-scale RL stable, efficient, and reproducible.\n\n---\n\n\n## Key Features\n\n### 🌪️ Advanced MoE & Low-Precision Training\n\n*   **Unified FP8 Pipeline**: The first framework to implement end-to-end FP8 sampling and training. By unifying precision across rollout and training, Miles eliminates the quantization-induced discrepancy that causes RL collapse in large MoE models.\n*   **Rollout Routing Replay (R3)**: Records expert routing decisions during SGLang inference and replays them during training to ensure bit-wise expert alignment.\n*   **INT4 QAT Support**: Recommendation for 1TB+ models to enable single-machine (e.g., H200) deployment by significantly reducing memory footprint.\n\n### 🛡️ Eliminating Train-Inference Mismatch\n\n*   **Bit-wise Identical Training and Inference Log Probs**: System-level solution achieving deterministic forward\u002Fbackward passes through kernel-level optimization (FlashAttention-3, DeepGEMM).\n*   **Algorithmic Correction (TIS\u002FMIS)**: When mismatch is unavoidable, Miles provides **Truncated Importance Sampling (TIS)** and **Masked Importance Sampling (MIS)** to mitigate off-policy bias and prevent training divergence.\n\n### ⚡ Extreme Performance & Efficiency\n\n*   **Speculative RL Training**: Achieve **25%+ rollout speedup** by using an **Online SFT Draft Model**. Unlike frozen draft models, Miles updates the draft policy during RL to prevent policy drift.\n*   **Zero-Copy Weight Sync**: Optimized weight refit via **CUDA IPC zero-copy mapping**, async tensor gathering, and bucketed flattening. Sync time reduced by 50% compared to standard HTTP\u002FRPC transfers.\n*   **Partial Rollout & Over-Sampling**: Handles the \"Long-Tail Effect\" in multi-turn RL by over-sampling requests and recycling half-finished trajectories to maximize GPU utilization.\n\n## Model Support & Training Diversity\n\n### 🏗️ Supported Models\nMiles supports a wide range of state-of-the-art architectures, with a special emphasis on **DeepSeek, Qwen, Llama** and mainstream models.\n\n| Family | Supported Models |\n| :--- | :--- |\n| **DeepSeek** | **R1, V3, V3.2** |\n| **Qwen** | **Qwen 2, 2.5, 3** |\n| **Llama** | **Llama 3, 3.1, 3.3, 4** |\n| **Gemma** | **Gemma 2, 3, 3N** |\n| **GLM** | **GLM-4.5, GLM-4.6, GLM-4.7** |\n| **MiniMax** | **M2, M2.1** |\n| **Others** | **Mistral, Mixtral, Phi, gpt-oss and any model supported by SGLang and Megatron** |\n\n### 🧩 Diverse Training Scenarios\nMiles is designed to handle the complexity of modern RL workloads across various dimensions:\n*   **Multi-Turn Interaction**: Optimized for complex, multi-round conversations and tool-use scenarios.\n*   **VLM & LLM Support**: Unified framework for both Vision-Language and pure Text models.\n*   **Reasoning & Coding**: Specific recipes and optimizations for **Reasoning (Math\u002FLogic)** and **Coding Agent** tasks.\n*   **Multi-Agent Training**: Support for advanced co-training and collaborative multi-agent reinforcement learning.\n\n---\n\n## Quick Start\n\n### Installation\n\nWe recommend using our official Docker image for the best performance and compatibility:\n\n```bash\n# Pull the latest image\ndocker pull radixark\u002Fmiles:latest\n\n# Or install from source\npip install -r requirements.txt\npip install -e .\n```\n\n### Launch Training\n\nMiles provides a unified entry point for complex RL tasks. Here is an example of FP8 GRPO training for Qwen3:\n\n```bash\npython train.py \\\n    --advantage-estimator grpo \\\n    --model-name qwen3-30b-a3b \\\n    --hf-checkpoint \u002Fpath\u002Fto\u002Fqwen3-30b-a3b-hf \\\n    --rollout-batch-size 512 \\\n    --n-samples-per-prompt 8\n```\n\nFor comprehensive guides on environment setup and custom reward functions, see the [Quick Start Guide](docs\u002Fen\u002Fget_started\u002Fquick_start.md).\n\n---\n\n## Roadmap\n\n### ✅ Completed\n\n- [x] **Unified FP8** E2E Training & Rollout\n- [x] **INT4 Quantization-Aware Training (QAT)**: Single-machine 1TB models\n- [x] **Speculative RL** with Online SFT\n- [x] **Multi-Agent RL** (Co-evolutionary frameworks like [MrlX](https:\u002F\u002Fgithub.com\u002FAQ-MedAI\u002FMrlX))\n- [x] **Support DeepSeek V3.2 Models**\n- [x] **VLM Multi-Turn Training**\n- [x] **Aligning SGLang with Megatron in Dense Models**\n- [x] **Rollout Routing Replay (R3)**\n\n### 🏗️ In Progress & Planned\n\n- [ ] **Zero mismatch for MoE RL**\n- [ ] **Aligning SGLang with Megatron in MoE Models**\n- [ ] **Diffusion RL** Support\n- [ ] **Omni RL** Support\n- [ ] **Diffusion LLM RL** Support\n- [ ] **Elastic Resource Scheduling**: Dynamic scaling of rollout vs. training workers\n\n\n\n---\n\n## Acknowledgements\n\nMiles is built upon the shoulders of giants in the LLM infrastructure ecosystem:\n*   **[slime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime)**: The core modular architecture and inspiration.\n*   **[SGLang](https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fsglang)**: The high-performance inference engine.\n*   **[Megatron-LM](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FMegatron-LM)**: Robust large-scale training components.\n\nSpecial thanks to **InfiXAI Team**, **Ant Group AQ Team**, **SGLang RL Team**, and the **Miles Team**. We also thank **DataCrunch** for compute sponsorship and **NVIDIA** for technical support on Transformer Engine (TE).\n\n---\n\n## Links\n\n*   **GitHub**: [https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles](https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles)\n*   **Slime Project**: [https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime)\n*   **Developer Guide**: Check the `docs\u002F` and `examples\u002F` directories for in-depth technical notes.\n\n\u003Cdiv align=\"center\">\n\n**Give Miles a ⭐️ Star if it helps your RL journey!**\n\n\u003C\u002Fdiv>\n","\u003Cdiv align=\"center\">\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fradixark_miles_readme_9a2b0536660b.png\" alt=\"Miles Logo\" width=\"550\">\n\n### **面向大规模模型训练的企业级强化学习**\n### **高性能回放 • 低精度训练 • 生产级稳定性**\n\n[![GitHub仓库](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fgithub-radixark%2Fmiles-black?logo=github)](https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles)\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fradixark\u002Fmiles)](LICENSE)\n[![Slack](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fslack-join-brightgreen.svg)](https:\u002F\u002Fslack.sglang.ai)\n\n[**最新动态**](#latest-updates) | [**快速入门**](#quick-start) | [**核心特性**](#key-features) | [**文档**](docs\u002Fen\u002Fget_started\u002Fquick_start.md)\n\n\u003C\u002Fdiv>\n\n---\n\n\n## 最新动态\n\n*   **[2026\u002F02]** 💡 **Miles详细参数说明**: 我们新增了详细的命令行参数指南，用于配置Miles进行强化学习训练与推理。这些参数能够精确控制集群资源、训练后端（Megatron\u002FFSDP）、通过SGLang实现的推理优化，以及强化学习算法的超参数。[链接](https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fblob\u002Fmain\u002Fdocs\u002Fen\u002Fadvanced\u002Fmiles_server_args.md)\n*   **[2026\u002F01]** 💎 **INT4量化感知训练（QAT）**: 受Kimi K2-Thinking报告启发，Miles现提供全栈INT4 W4A16 QAT流水线。这使得1TB规模的模型可完全适配单机显存（如NVIDIA H200），在保持BF16等效精度的同时，通过消除跨节点瓶颈将回放缓效率提升一倍。[博客](https:\u002F\u002Flmsys.org\u002Fblog\u002F2026-01-26-int4-qat\u002F)\n*   **[2026\u002F01]** 💎 **统一的VLM\u002FLLM多轮训练**: 我们实现了VLM多轮采样范式。开发者只需编写自定义的`rollout`函数，即可轻松启动针对VLM的多轮强化学习，其流程与LLM训练无异。[博客](https:\u002F\u002Fgithub.com\u002Fzhaochenyang20\u002FAwesome-ML-SYS-Tutorial\u002Fblob\u002Fmain\u002Frlhf\u002Fslime\u002Fvlm-multi-turn\u002Freadme-en.md)\n*   **[2026\u002F01]** 🤖 **多智能体协同进化**: Miles现支持**MrlX**，一种新颖的异步多智能体协同进化框架。通过使不同专长的智能体共生共进，可在医生-患者模拟和DeepResearch等复杂任务中取得更优性能。[[链接]](https:\u002F\u002Fgithub.com\u002FAQ-MedAI\u002FMrlX)\n*   **[2025\u002F12]** 🔄 **回放路由重放（R3）**: 与SGLang合作推出R3，以解决MoE强化学习中的不稳定问题。R3会记录推理过程中的路由决策，并在训练时将其重放，从而有效消除“训练-推理不匹配”，防止Qwen3、DeepSeek-V3等大型MoE模型的训练崩溃。[[论文]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2510.11370) [[文档]](docs\u002Fen\u002Fadvanced\u002Fmiles-router.md#22-rollout-routing-replay-r3-for-moe)\n*   **[2025\u002F11]** 🔥 **统一FP8发布**: 通过确保训练与推理采用完全一致的FP8量化逻辑，解决了MoE强化学习中的稳定性问题。[[博客]](https:\u002F\u002Flmsys.org\u002Fblog\u002F2025-11-25-fp8-rl\u002F)\n*   **[2025\u002F11]** ⚡ **强化学习中的推测解码**: 将推测性回放与在线SFT结合，利用草稿模型大幅提升了吞吐量。[[博客]](https:\u002F\u002Fgithub.com\u002Fzhaochenyang20\u002FAwesome-ML-SYS-Tutorial\u002Fblob\u002Fmain\u002Frlhf\u002Fslime\u002Fspec\u002Freadme-en.md)\n*   **[2025\u002F11]** 🎉 **Miles项目启动**: 由InfiXAI、蚂蚁集团、SGLang RL团队及Miles社区联合发起。[[公告]](https:\u002F\u002Flmsys.org\u002Fblog\u002F2025-11-19-miles\u002F)\n\n## 什么是Miles？\n\n**Miles**是一个高性能、企业级的强化学习（RL）框架，专为**大规模模型的后训练优化**而设计。作为**[slime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime)**的强大分支，Miles通过集成**SGLang**实现高吞吐量回放，以及**Megatron-LM**进行可扩展训练，从而弥合了研究级强化学习与生产级可靠性之间的差距。\n\n> *\"千里之行，始于足下。\"* —— Miles专注于底层系统优化，使大规模强化学习更加稳定、高效且可复现。\n\n---\n\n\n## 核心特性\n\n### 🌪️ 先进的MoE与低精度训练\n\n*   **统一FP8流水线**: 首个实现端到端FP8采样与训练的框架。通过统一回放与训练中的精度，Miles消除了因量化差异而导致的大规模MoE模型强化学习崩溃问题。\n*   **回放路由重放（R3）**: 在SGLang推理过程中记录专家路由决策，并在训练时将其重放，以确保专家路由的一致性。\n*   **INT4 QAT支持**: 推荐用于1TB以上规模的模型，通过显著降低内存占用，实现单机部署（如H200）。\n\n### 🛡️ 消除训练-推理不匹配\n\n*   **训练与推理日志概率位级完全一致**: 通过内核级优化（FlashAttention-3、DeepGEMM），从系统层面实现确定性的前向\u002F反向传播。\n*   **算法修正（TIS\u002FMIS）**: 当不匹配不可避免时，Miles提供**截断重要性采样（TIS）**和**掩码重要性采样（MIS）**，以缓解离策略偏差，防止训练发散。\n\n### ⚡ 极致性能与效率\n\n*   **推测性强化学习训练**: 通过使用**在线SFT草稿模型**，可实现**25%以上的回放缓效率提升**。与固定草稿模型不同，Miles会在强化学习过程中更新草稿策略，以防止策略漂移。\n*   **零拷贝权重同步**: 通过CUDA IPC零拷贝映射、异步张量收集和分桶扁平化，优化了权重重新加载过程。与标准HTTP\u002FRPC传输相比，同步时间缩短了50%。\n*   **部分回放与过采样**: 针对多轮强化学习中的“长尾效应”，通过过采样请求并回收未完成的轨迹，最大化GPU利用率。\n\n## 模型支持与训练多样性\n\n### 🏗️ 支持的模型\nMiles支持广泛的最先进架构，尤其侧重于**DeepSeek、Qwen、Llama**等主流模型。\n\n| 家族 | 支持的模型 |\n| :--- | :--- |\n| **DeepSeek** | **R1、V3、V3.2** |\n| **Qwen** | **Qwen 2、2.5、3** |\n| **Llama** | **Llama 3、3.1、3.3、4** |\n| **Gemma** | **Gemma 2、3、3N** |\n| **GLM** | **GLM-4.5、GLM-4.6、GLM-4.7** |\n| **MiniMax** | **M2、M2.1** |\n| **其他** | **Mistral、Mixtral、Phi、gpt-oss，以及任何由SGLang和Megatron支持的模型** |\n\n### 🧩 多样的训练场景\nMiles旨在应对现代强化学习工作负载的复杂性，覆盖多个维度：\n*   **多轮交互**: 针对复杂的多回合对话及工具使用场景进行了优化。\n*   **VLM与LLM支持**: 提供统一的框架，适用于视觉-语言模型和纯文本模型。\n*   **推理与编码**: 针对**数学\u002F逻辑推理**和**编码代理**任务提供了专门的配方和优化。\n*   **多智能体训练**: 支持高级的协同训练及多智能体强化学习。 \n\n---\n\n## 快速入门\n\n### 安装\n\n我们建议使用官方的 Docker 镜像，以获得最佳性能和兼容性：\n\n```bash\n# 拉取最新镜像\ndocker pull radixark\u002Fmiles:latest\n\n# 或者从源码安装\npip install -r requirements.txt\npip install -e .\n```\n\n### 启动训练\n\nMiles 为复杂的强化学习任务提供了一个统一的入口。以下是针对 Qwen3 进行 FP8 GRPO 训练的示例：\n\n```bash\npython train.py \\\n    --advantage-estimator grpo \\\n    --model-name qwen3-30b-a3b \\\n    --hf-checkpoint \u002Fpath\u002Fto\u002Fqwen3-30b-a3b-hf \\\n    --rollout-batch-size 512 \\\n    --n-samples-per-prompt 8\n```\n\n有关环境设置和自定义奖励函数的完整指南，请参阅[快速入门指南](docs\u002Fen\u002Fget_started\u002Fquick_start.md)。\n\n---\n\n## 路线图\n\n### ✅ 已完成\n\n- [x] **统一 FP8** 端到端训练与回放\n- [x] **INT4 量化感知训练 (QAT)**：单机 1TB 规模模型\n- [x] **推测式强化学习** 结合在线 SFT\n- [x] **多智能体强化学习**（如协同进化框架 [MrlX](https:\u002F\u002Fgithub.com\u002FAQ-MedAI\u002FMrlX)）\n- [x] **支持 DeepSeek V3.2 模型**\n- [x] **VLM 多轮训练**\n- [x] **使 SGLang 在密集模型中与 Megatron 对齐**\n- [x] **回放缓存重放 (R3)**\n\n### 🏗️ 进展中及计划中\n\n- [ ] **针对 MoE 强化学习的 Zero 匹配**\n- [ ] **使 SGLang 在 MoE 模型中与 Megatron 对齐**\n- [ ] **扩散强化学习** 支持\n- [ ] **Omni 强化学习** 支持\n- [ ] **扩散 LLM 强化学习** 支持\n- [ ] **弹性资源调度**：动态调整回放与训练工作负载的比例\n\n\n\n---\n\n## 致谢\n\nMiles 建立在大型语言模型基础设施生态中的众多杰出成果之上：\n*   **[slime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime)**：核心模块化架构及灵感来源。\n*   **[SGLang](https:\u002F\u002Fgithub.com\u002Fsgl-project\u002Fsglang)**：高性能推理引擎。\n*   **[Megatron-LM](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FMegatron-LM)**：强大的大规模训练组件。\n\n特别感谢 **InfiXAI 团队**、**蚂蚁集团 AQ 团队**、**SGLang RL 团队**以及 **Miles 团队**。同时，我们也感谢 **DataCrunch** 提供的算力赞助，以及 **NVIDIA** 在 Transformer Engine (TE) 方面的技术支持。\n\n---\n\n## 链接\n\n*   **GitHub**: [https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles](https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles)\n*   **Slime 项目**: [https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime)\n*   **开发者指南**: 请查阅 `docs\u002F` 和 `examples\u002F` 目录，获取深入的技术说明。\n\n\u003Cdiv align=\"center\">\n\n**如果 Miles 对您的强化学习之旅有所帮助，请为它点亮一颗星 ⭐️！**\n\n\u003C\u002Fdiv>","# Miles 快速上手指南\n\nMiles 是一个专为大规模模型后训练（Post-Training）打造的企业级强化学习（RL）框架。它基于 [slime](https:\u002F\u002Fgithub.com\u002FTHUDM\u002Fslime) 开发，深度集成了 **SGLang**（高性能推理）和 **Megatron-LM**（可扩展训练），旨在解决大模型 RL 训练中的稳定性、精度匹配及效率问题，特别支持 DeepSeek、Qwen、Llama 等主流架构的 FP8\u002FINT4 低精度训练。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu 20.04\u002F22.04)\n*   **GPU**: NVIDIA GPU (推荐 A100\u002FH100\u002FH200 以发挥 FP8\u002FINT4 性能)，显存建议 80GB+\n*   **CUDA**: CUDA 12.1 或更高版本\n*   **Python**: Python 3.10+\n*   **前置依赖**:\n    *   Docker (强烈推荐用于保证环境一致性)\n    *   Git\n    *   NVIDIA Container Toolkit (若使用 Docker)\n\n> **提示**：由于 Miles 涉及底层算子优化（如 FlashAttention-3, DeepGEMM），直接使用官方提供的 Docker 镜像是避免依赖冲突的最佳方案。\n\n## 安装步骤\n\n### 方案一：使用官方 Docker 镜像（推荐）\n\n这是最稳定且配置最简单的安装方式，已预装所有必要依赖。\n\n```bash\n# 拉取最新版本的 Miles 镜像\ndocker pull radixark\u002Fmiles:latest\n\n# 启动容器（示例：挂载当前目录并启用 GPU）\ndocker run --gpus all -it --rm -v $(pwd):\u002Fworkspace radixark\u002Fmiles:latest\n```\n\n### 方案二：源码安装\n\n如果您希望在本地环境中直接安装，请执行以下步骤：\n\n```bash\n# 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles.git\ncd miles\n\n# 安装基础依赖\npip install -r requirements.txt\n\n# 以可编辑模式安装 Miles\npip install -e .\n```\n\n> **国内加速提示**：若下载依赖较慢，建议在 `pip` 命令中添加国内镜像源，例如：\n> `pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 基本使用\n\nMiles 提供了统一的入口脚本 `train.py` 来启动复杂的 RL 训练任务。以下是一个使用 **FP8 GRPO 算法** 对 **Qwen3** 模型进行训练的最小化示例。\n\n### 启动训练示例\n\n```bash\npython train.py \\\n    --advantage-estimator grpo \\\n    --model-name qwen3-30b-a3b \\\n    --hf-checkpoint \u002Fpath\u002Fto\u002Fqwen3-30b-a3b-hf \\\n    --rollout-batch-size 512 \\\n    --n-samples-per-prompt 8\n```\n\n**参数说明：**\n*   `--advantage-estimator`: 指定优势估计算法（如 `grpo`）。\n*   `--model-name`: 模型架构名称（支持 deepseek, qwen, llama 等）。\n*   `--hf-checkpoint`: 本地 HuggingFace 格式模型权重路径。\n*   `--rollout-batch-size`: 每次 rollout 的批次大小。\n*   `--n-samples-per-prompt`: 每个提示词生成的样本数量。\n\n对于更复杂的场景（如多轮对话、VLM 训练、自定义奖励函数或集群配置），请参考项目根目录下的 `docs\u002F` 文档及 `examples\u002F` 文件夹中的详细教程。","某大型金融科技公司正试图通过强化学习（RL）对千亿参数规模的混合专家模型（MoE）进行后训练，以优化其智能投顾在复杂多轮对话中的决策能力。\n\n### 没有 miles 时\n- **训练极易崩溃**：在大规模 MoE 模型训练中，由于推理路由与训练逻辑不一致，常出现“训练 - 推理不匹配”问题，导致模型在迭代中途直接发散或坍塌。\n- **显存瓶颈严重**：全精度训练使得单台机器无法承载超大模型，必须依赖昂贵的多节点通信，跨节点带宽成为限制采样效率的致命短板。\n- **多模态适配困难**：若要支持包含图表分析的多轮视觉任务，需重写大量底层代码，难以像纯文本模型那样快速启动多轮 RL 流程。\n- **代理协同低效**：在模拟“医生 - 患者”等复杂多智能体场景时，缺乏异步协同进化机制，各角色策略更新不同步，难以达成最优博弈平衡。\n\n### 使用 miles 后\n- **稳定性显著提升**：借助 R3（Rollout Routing Replay）技术，miles 精确回放推理路由决策，彻底消除了 MoE 模型的训练不匹配问题，确保千亿模型训练全程稳定。\n- **单机承载大模型**：利用 INT4 量化感知训练（QAT）流水线，miles 让 1TB 级模型能拟合进单台 H200 显存，在保持精度的同时将采样效率提升一倍。\n- **多模态开发极简**：通过统一的多轮采样范式，开发者只需自定义一个简单的 `rollout` 函数，即可像训练 LLM 一样轻松开启视觉语言模型的多轮强化学习。\n- **智能体共生进化**：内置 MrlX 框架支持多智能体异步协同进化，使专用代理能在复杂任务中同步提升，显著优化了深度研究与模拟诊疗的效果。\n\nmiles 通过系统级优化与算法创新，将原本高风险、高门槛的大模型强化学习转变为稳定、高效且易于落地的企业级生产流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fradixark_miles_1ceccbb1.png","radixark","RadixArk","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fradixark_878f3279.png","BUILD AI FOR ALL",null,"https:\u002F\u002Fgithub.com\u002Fradixark",[82,86,90,94,98,102],{"name":83,"color":84,"percentage":85},"Python","#3572A5",92.1,{"name":87,"color":88,"percentage":89},"Shell","#89e051",6.4,{"name":91,"color":92,"percentage":93},"Jinja","#a52a22",0.7,{"name":95,"color":96,"percentage":97},"Cuda","#3A4E3A",0.5,{"name":99,"color":100,"percentage":101},"Dockerfile","#384d54",0.2,{"name":103,"color":100,"percentage":104},"Just",0.1,1040,143,"2026-04-03T04:18:18","Apache-2.0",4,"Linux","必需 NVIDIA GPU。支持 INT4 QAT 的单卡部署（如 NVIDIA H200）以运行 1TB 规模模型；支持 FP8 训练；需兼容 FlashAttention-3 和 DeepGEMM 内核的高性能显卡。","未说明（取决于模型规模，单卡部署 1TB 模型需极高显存，系统内存建议充足以配合多卡通信）",{"notes":114,"python":115,"dependencies":116},"强烈建议使用官方 Docker 镜像 (radixark\u002Fmiles:latest) 以获得最佳性能和兼容性。该工具专为大规模模型后训练设计，深度集成 SGLang（推理）和 Megatron-LM（训练）。支持 DeepSeek V3\u002FR1、Qwen3、Llama 3\u002F4 等主流架构。针对 MoE 模型提供了 R3 (Rollout Routing Replay) 技术以解决训练 - 推理不一致问题。支持 FP8 端到端训练及 INT4 量化感知训练 (QAT)。","未说明",[117,118,119,120,121],"SGLang","Megatron-LM","PyTorch (隐含，需支持 FlashAttention-3\u002FDeepGEMM)","Transformer Engine (TE)","CUDA IPC",[26,13,54],"2026-03-27T02:49:30.150509","2026-04-06T08:15:53.500879",[126,131,136,141,146,151,156],{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},11839,"LoRA 目前是否支持 MoE（混合专家模型）？","目前尚不支持。即使是 SGLang 也还未支持 MoE LoRA，但开发团队正在积极开发此功能。","https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fissues\u002F340",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},11840,"在 FP8 训练中遇到 'get_megatron_optimizer() got multiple values for argument' 错误如何解决？","该问题通常由环境或补丁未正确应用引起。解决方案是参考 Slime 教程重新安装环境（reinstall env following slime tutorial），这通常能修复该问题。","https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fissues\u002F284",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},11841,"使用非思维模式（non-think mode）或指令模型时，DeepScaler 奖励模型为什么总是返回 0？","这是因为 DeepScaler 的默认规则仅检查 '\u003C\u002Fthink>' 或 '###Response' 标记。当禁用思维模式或使用其他响应格式时，无法匹配这些标记导致返回 0。解决方案是将示例配置中的 `rm-type` 更改为 'math'，这样可以更好地处理此类情况，而无需放宽 DeepScaler 的条件判断。","https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fissues\u002F330",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},11842,"在 GB200 上运行 GLM 4.6 FP8 DeepEP 训练时遇到 NVSHMEM 或 InfiniBand 相关错误怎么办？","此类问题通常与 Docker 容器化运行有关，可能是容器没有完整的 `\u002Fdev\u002Finfiniband` 访问权限或缺少特权。请检查容器启动参数，确保映射了必要的设备并赋予了足够的权限（如 `--privileged` 或具体设备映射）。","https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fissues\u002F300",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},11843,"遇到 'CUDA error: an illegal memory access was encountered' 错误，是否与上下文并行（CP）设置有关？","是的，该问题可能特定于某些上下文并行度（CP）设置。有用户反馈 CP=4 时会出现此非法内存访问错误，而 CP=2 和 CP=8 则正常工作。这可能是因为过高的 CP 值导致某些张量形状过小。建议尝试调整 CP 参数（如改为 2 或 8）来规避此问题。","https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fissues\u002F308",{"id":152,"question_zh":153,"answer_zh":154,"source_url":155},11844,"如何为 Miles 项目做出贡献，特别是关于 Polars 和测试方面？","项目维护者偏好使用 Polars 而非 Pandas。在贡献代码时，应优先使用 Polars 实现功能并移除 Pandas 依赖。关于测试，虽然项目具体的测试偏好需参考现有代码，但建议在提交前使用简单的 tokenizer 和预训练模式对自己的实现进行基本验证。","https:\u002F\u002Fgithub.com\u002Fradixark\u002Fmiles\u002Fissues\u002F226",{"id":157,"question_zh":158,"answer_zh":159,"source_url":130},11845,"Megatron 后端的 LoRA 支持路线图是什么？","由于旧的 mbridge 不支持 LoRA，第一步是将代码库重构并从 mbridge 迁移到支持 LoRA 的 Megatron-Bridge。目前 Megatron-Bridge 通过合并 LoRA 权重来更新基础权重，效率较低。未来计划是实现 LoRA bridge 以消除重新拟合时修改基础权重的需求。当前建议先关注 FSDP 后端的 LoRA 支持。",[]]