radixark/miles：README 來源編輯指南

radixark/miles 的 README 將專案描述為「Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「What is Miles?」下寫到：Miles is a high-performance, enterprise-ready reinforcement learning (RL) framework specifically optimized for Large-Scale model Post-Training.。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「Latest Updates」與相關條目，可以先判斷它是否處理你的實際問題：[2026/01] 💎 INT4 Quantization-Aware Training (QAT): Inspired by the Kimi K2-Thinking report, Miles now features a full-stack INT4 W4A16 QAT pipeline.。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：[2026/02] 💡 Miles Detailed Arguments: We've added a detailed command-line argument guide used to configure Miles for RL training and inference.。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「🏗️ Supported Models」等段落。可確認的線索包括：Miles supports a wide range of state-of-the-art architectures, with a special emphasis on DeepSeek, Qwen, Llama and mainstream models.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： # Pull the latest image docker pull radixark/miles:latest # Or install from source pip install -r requirements.txt pip install -e . 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「High-Performance Rollout • Low Precision Training • Production Stability」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「🏗️ Supported Models」段落提到：| Family | Supported Models | | :--- | :--- | | DeepSeek | R1, V3, V3.2 | | Qwen | Qwen 2, 2.5, 3 | | Llama | Llama 3, 3.1, 3.3, 4 | | Gemma | Gemma 2, 3, 3N | | GLM | GLM-4.5, GLM-4.6, GLM-4.7 | | MiniMax | M2, M2.1 | | Others | Mistral,。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：[2026/01] 💎 Unified VLM/LLM 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。