miles：面向企业 LLM 与 VLM 后训练的强化学习框架
来源：GitHub — 2026-09-05 · ⭐ 2,505 stars · Python
📋 概述
radixark/miles 是一个面向企业级的强化学习框架，聚焦大语言模型（LLM）与视觉语言模型（VLM）的后训练（post-training）环节，由 slime 分叉并与上游共同演进。它以企业级部署为目标，为在自有模型上执行 RL 对齐与微调提供工程化支撑，本期以单日新增 55 星上榜，是模型后训练基建中的新面孔。
🔑 核心要点
- 专攻 LLM 与 VLM 的后训练强化学习，面向企业级落地场景
- 由成熟框架分叉并与上游协同演进，工程基础相对稳健
- 填补「模型后训练 RL 工程化」这一新兴基础设施缺口
- 反映强化学习对齐正从研究论文走向企业生产应用
💡 金句
当 RL 后训练从论文走向生产，工程化的框架才是让对齐真正可落地的钥匙。
← 返回 GitHub Trending 首页