SKILL

post-training-miles

提供使用 miles(slime 的生产级分支)进行企业级 RL 训练的指导。适用于训练采用 FP8/INT4 的大型 MoE 模型、需要训练-推理对齐,或需要投机式 RL 以获得最大吞吐量的场景。

机器翻译
查看英文原文

Provides guidance for enterprise-grade RL training using miles, a production-ready fork of slime. Use when training large MoE models with FP8/INT4, needing train-inference alignment, or requiring speculative RL for maximum throughput.

适用对象:学习与科研。自动收录 · 待核查。

原作者说明节选

从固定版本的 SKILL.md 提取,保留原文语言。以下内容属于作者说明,本站尚未验证安装、兼容或运行结果。

查看英文原文

原文涵盖的主题

  • miles: Enterprise-Grade RL for Large-Scale Model Training
  • When to Use miles
  • Key Features
  • Low-Precision Training
  • Performance Optimizations
  • Train-Inference Alignment
  • Installation
  • Quick Start

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. Choose miles when you need: Training 1TB+ MoE models (DeepSeek V3, Qwen3-MoE) FP8 or INT4 quantization-aware training Bit-wise identical train-inference alignment Speculative RL for maximum throughput Production stability with enterprise support Consider alternatives when: You want the research-grade original → use slime You need flexible backend swapping → use verl You want PyTorch-native abstractions → use torchforge Unified FP8: End-to-end FP8 for both inference and training INT4 QAT: 1TB models on single-machine VRAM (H200) Rollout Routing Replay (R3): Bit-wise expert alignment for MoE Speculative RL: 25%+ rollout speedup with online SFT draft models Zero-Copy Weight Sync: CUDA IPC zero-copy mapping Partial Rollout: Recycle half-finished trajectories TIS/MIS: Truncated/Masked Importance Sampling for off-policy correction Kernel-level optimization: FlashAttention-3, DeepGEMM integration miles inherits slime's configuration sy

这里只展示节选,请以完整原文和当前要求为准。

来源仓库
davila7/claude-code-templates
源文件
cli-tool/components/skills/ai-research/post-training-miles/SKILL.md
固定版本
21be197f100a12b8d0dd9a211cc244c8179f84d3
阅读完整原作者说明 ↗

准备条件

  • 本条仅收录原作者的技能元数据;请阅读完整说明,确认依赖、许可与使用条件。

第一件可以尝试的小事

先阅读原作者说明,再决定是否在自己的 AI 工具中使用。

对应 AI 工具说明

作者有说明不等于本站实机验证。没有证据时,不自动标为兼容、安全或免费。

来源与内容状态

本条为自动发现的元数据,尚未完成人工文档核查;适用性与运行结果待核查。

原作者:davila7/claude-code-templates · 原作者仓库元数据。文档核查:未核查。最近来源检查:2026-11-09T14:01:43.331Z。

分类由名称、说明与路径规则生成,分类不代表已核实适配。

许可与权利归属

MIT。第三方内容及版权归原作者,使用条件以原文为准。

许可原文 ↗

本站没有因同步、复制或用户自报成功而将资源标为运行验证通过。

限制与注意事项

  • 元数据收录不代表本站已经安装、适配、实测或进行安全审查。