@sgl_project：SGLang很荣幸能成为Miles的原生rollout引擎。我们致力于让token持续流转，让GPU保持忙碌状态...

X AI KOLs Timeline 2026/08/18 17:06 工具

rl-framework llm open-source sglang miles multimodal-models gpu-utilization

摘要

SGLang正式宣布成为Miles v0.1的原生rollout引擎。Miles是一个针对大语言模型与多模态模型的开源强化学习框架，旨在提升大规模强化学习训练中的吞吐量、缓存效率与稳定性。

SGLang很荣幸能成为Miles的原生rollout引擎。我们致力于让token持续流转，让GPU保持忙碌状态。很高兴看到越来越多团队使用SGLang进行后训练阶段的rollout处理。我们将持续优化吞吐量、缓存效率，并完善模型首发支持，确保任何规模的强化学习任务都能快速稳定运行。

查看原文

查看缓存全文

缓存时间: 2026/08/18 18:32

SGLang 荣幸成为 Miles 的原生推演引擎。我们将致力于确保令牌流动顺畅、GPU资源充分利用

很高兴看到越来越多的团队在采用 SGLang 进行训练后推演。我们将持续优化吞吐量、缓存效率和开箱即用的模型覆盖，确保强化学习任务在任何规模下都能保持高效稳定运行

RadixArk (@radixark): 今日我们正式推出 Miles v0.1——面向大语言模型与多模态模型的开源强化学习框架。

强化学习训练易上手却难调试。Miles 可帮助您验证运行逻辑、提升硬件利用率，并实现大规模强化学习任务的稳定运行。

在过去9个月里，已有72

相似文章

X AI KOLs Timeline

RadixArk发布Miles v0.1，这是一个开源强化学习框架，专为大型语言模型和多模态模型设计，旨在简化和扩展强化学习训练。

TLDR AI

Miles v0.1 是一个生产就绪的系统，用于前沿后训练，通过SGLang优化完全异步的强化学习循环和智能体展开。

TLDR AI

Miles是RadixArk推出的一个开源的PyTorch原生框架，用于大规模LLM强化学习后训练，集成了SGLang、Megatron-LM和Ray，以实现高吞吐量的推演和分布式训练。

X AI KOLs Timeline

Miles是RadixArk推出的一个开源框架，用于大规模LLM强化学习后训练，集成了PyTorch、Ray、SGLang和NVIDIA Megatron-LM，支持MoE、低精度和容错。

X AI KOLs Following

Modal 与 LMSys 和 Z Lab 合作，将 DFlash 推测解码集成到 SGLang，在大型语言模型上实现了相比基准最高 4.3 倍的吞吐量提升，比原生多 token 预测提升 1.5 倍。