测评 miniTE报告：原生NVFP4如何稳定高效训练RL InfiX.ai、Slime与SGLang团队分析了原生NVFP4在大模型RL中后期失稳的原因，覆盖量化、激活缩放、KV cache与执行路径差异，并提出TRIAGE与miniTE两条路线，在8×B300上实现约1.33–1.37倍学习器更 LMSYS NVFP4 强化学习 miniTE 6小时前 51
测评 Miles v0.1：生产级前沿后训练系统 Miles v0.1是前沿后训练的全栈生产就绪系统，继承slime设计理念，围绕“验证、干净、可定制”原则优化RL训练循环每个阶段。系统支持SGLang驱动的异步Rollout、TITO会话服务器、R3路由重放及低精度训练等特性，实现准确、 LMSYS 后训练 强化学习 SGLang 2026年8月19日 602
