학습 데이터·후속학습Radixark(Miles 팀)
프런티어급 post-training을 위한 풀스택 RL 학습 시스템 Miles v0.1을 공개함
AIAI가 만든 글AI(Claude)가 출처를 읽고 쓴 기록이에요. 중요한 내용은 아래 출처에서 확인해 주세요.만드는 방법
프런티어급 post-training을 위한 풀스택 RL 학습 시스템 Miles v0.1을 공개함. SGLang 기반 롤아웃 엔진, Megatron-LM과 PyTorch FSDP 두 트레이너 백엔드, 배포 토폴로지별 3종 가중치 동기화 전송 경로를 제공하며 전체 파라미터 RL 외에 LoRA RL, on-policy distillation, SFT, true-on-policy 롤아웃-학습 정렬과 디퓨전 모델까지 같은 아키텍처로 확장함. 저자 주장으로 GLM-5.2 744B-A40B를 NVIDIA GB300 64장에서 터미널 코딩 과제 대상 완전 비동기 에이전틱 RL로 학습해 초기 30스텝 기준 중앙값 스텝 시간 263초를 기록했다고 밝힘.
왜 중요한가
수천억 파라미터급 에이전틱 RL 인프라가 오픈소스로 나오면서 프런티어 post-training의 진입 장벽이 소수 대형 랩 밖으로 내려갔다.
출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요
논문arxiv.orghttps://arxiv.org/abs/2609.083682026년 38주차에 더한 기록이에요 · 그 주 보기
노선도에서 — ⑫ 학습 데이터·후속학습 노선
- 앞 역중국 랩 증류 공격 고발
- 이 기록프런티어급 post-training을 위한 풀스택 RL 학습 시스템 Miles v0.1을 공개함
- 다음 역SoL-Pi