# miles-rl-training

Скилл ведёт агента по RL-обучению больших MoE-моделей на фреймворке miles: FP8, INT4, спекулятивный rollout. Пригодится, когда нужно поднять тренировку на H100/H200.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 946 установок · ★ 13956
- Автор: Orchestra Research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/06-post-training/miles/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/miles-rl-training

## Что делает

miles — продакшен-форк slime для постобучения больших моделей. Скилл даёт агенту готовые сценарии: обучение MoE вроде DeepSeek V3 или Qwen3-MoE, квантизация FP8 и INT4, спекулятивное декодирование EAGLE через SGLang. Внутри два workflow с чек-листами и командами `python train.py`.

Для работы нужны GPU с поддержкой FP8 (H100 или H200), Docker-образ `radixark/miles:latest` и зависимости из `requirements.txt`: `sglang-router>=0.2.3`, `ray`, `torch>=2.0.0`, `transformers>=4.40.0`. Онлайн-обучение MTP требует torch dist checkpoint с MTP-весами — их добавляют при конвертации из HuggingFace флагом `--mtp-num-layers 1`. Без этого шага опция не заработает.

Скилл наследует конфигурацию slime, поэтому аргументы кластера и параллелизма Megatron знакомы тем, кто уже работал со slime. Если нужна гибкая смена бэкендов — смотрите в сторону verl, для PyTorch-нативных абстракций есть torchforge.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill miles-rl-training -a claude-code
```
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill miles -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/miles/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/miles/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill miles -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/miles/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill miles -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/miles/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Orchestra-Research/AI-Research-SKILLs miles
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/miles/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill miles -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 06-post-training/miles
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/miles/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill miles -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/06-post-training/miles/SKILL.md

## Когда брать
- поднять RL-обучение MoE-модели на 1TB+ параметров
- включить FP8 или INT4 QAT без падения лосса в NaN
- выровнять train и inference на уровне экспертной маршрутизации
- ускорить rollout спекулятивным декодированием EAGLE
- переиспользовать недокрученные траектории через partial rollout

## Примеры запросов агенту
- Помоги настроить miles для обучения DeepSeek V3 с FP8
- Как включить спекулятивное декодирование EAGLE в miles?
- Проверь мой конфиг train.py для MoE: параллелизм экспертов и rollout

## Похожие
- [nemo-mbridge-perf-moe-vlm-training](https://affpapa.org/nevibecode/skills/nemo-mbridge-perf-moe-vlm-training.md) — скилл · 1800 установок
- [quantized-export](https://affpapa.org/nevibecode/skills/quantized-export.md) — скилл · 2600 установок
- [dynamo-recipe-runner](https://affpapa.org/nevibecode/skills/dynamo-recipe-runner.md) — скилл · 2300 установок
- [hyperloom-workload-optimizer](https://affpapa.org/nevibecode/skills/hyperloom-workload-optimizer.md) — скилл · 783 установки
- [spark-training-gotchas](https://affpapa.org/nevibecode/skills/spark-training-gotchas.md) — скилл · 2500 установок
- [gtm-ai-gtm](https://affpapa.org/nevibecode/skills/gtm-ai-gtm.md) — скилл · 1600 установок

Из того же набора: [orchestra-research/ai-research-skills](https://affpapa.org/nevibecode/by/orchestra-research/ai-research-skills.md) — 66 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md