miles

Miles 是一个面向企业的强化学习框架，专用于大语言模型（LLM）和多模态大模型（VLM）的后训练优化。它基于高性能 rollout 引擎 SGLang 和分布式训练库 Megatron-LM 构建，支持端到端 4/8-bit 量化 RL、on-policy 蒸馏、token 级细粒度奖励建模及大规模分布式权重同步，具备低延迟推理与高吞吐训练能力。适用于需要在生产环境中对已预训练大模型进行安全对齐、指令微调、偏好优化或领域适配的企业级 AI 团队，尤其适合金融、客服、内容生成等需严格可控输出的场景。