miles-rl-training

SKILL.md

miles is a high-performance, enterprise-ready RL framework optimized for large-scale model post-training. Built as a production fork of slime, it addresses critical challenges in MoE training stability, low-precision training, and train-inference alignment.

Use this workflow for training large MoE models like DeepSeek V3 or Qwen3-MoE.

Use this workflow for maximum rollout throughput with EAGLE speculative decoding.

本番環境に対応したスライムのフォークであるマイルを使用したエンタープライズ レベルの RL トレーニングのガイダンスを提供します。 FP8/INT4 で大規模な MoE モデルをトレーニングする場合、トレーニングと推論の調整が必要な場合、またはスループットを最大化するために投機的 RL が必要な場合に使用します。 ソース: orchestra-research/ai-research-skills。

原文を見る