GitHub Trending | 📄 原文链接 | 2026-09-06 收录

radixark/miles：面向企业 LLM 与 VLM 后训练的强化学习框架

来源：GitHub — 2026-09-06 · ⭐ 2,626 stars · Python

miles 是一个面向企业级场景的强化学习框架，专注于大语言模型与多模态视觉语言模型的后训练阶段，源自并对齐于 slime 框架持续演进。它为企业在自有数据上做对齐与能力提升提供了企业友好、可扩展的工程化底座，本期以约 2.6 千星上榜，属于 RL 后训练工程链上新兴的务实基础设施。

🔑 核心要点

前沿模型的胜负手早已不在预训练，而在那一步精巧的强化学习后训练里。