Майлз v0.1: уровень производства после обучения
arXiv: 2609.08368v1 Annualce Type: новый резюме: мы представляем Miles v0.1 — полноформатную, готовую к выпуску систему для пограничного обучения. Основываясь на чистом дизайне слизи, Майлз проектирует каждый этап тренировочной петли для повышения эффективности обучения (RL) вокруг одного принципа: компоненты должны быть проверены, чистыми и адаптированными. С точностью, эффективностью, надежностью и масштабируемостью в качестве целей первого класса Майлз стремится сделать RL пограничного масштаба доступным как для исследователей, так и предприятий. Этот отчет проходит через конец системы: двигатели, работающие на SGLang, тренере с выбором двух запасных частей (NVIDIA Megatron-LM и PyTorch FSDP), а также три транспортных средства для синхронизации веса для различных топологий развертывания. Помимо полного параметра RL, Майлз также поддерживает LORA RL - дистилляцию на уровне политики, контролируемую доработку и корректацию действительной в рамках политики подготовки кадров по внедрению и распространяет эту архитектуру на модели распространения. В заключение мы хотели бы провести исследование по каждому конкретному случаю: полностью асинхро