منابع این راهنما، به ترتیب اعتبار و مرجعیت.
هر جا میان دو منبع اختلافی باشد، منبعی که در این فهرست بالاتر آمده ملاک است و در همان صفحه هم به این موضوع اشاره شده است.
1. اجراهای ما
تمام اعدادی که با عنوان سنجیدهشده مشخص شدهاند، از اجراهایی به دست آمدهاند که از تاریخ 2026-10-17 تا 2026-10-22 روی یک سیستم NVIDIA DGX Spark با پردازندهی گرافیکی GB10 ثبت کردهایم. در یادداشتهای آزمایشگاه، فهرست این اجراها، ایمیج و شیوهی زمانبندی آمده است.
2. کد Miles که اجرا کردیم
هر فلگ و مقدار پیشفرضی که در صفحهای ذکر شده، مستقیماً از کد Miles درون ایمیجِ اجرایی ما گرفته شده است: شاخهی main پروژهی Miles به تاریخ 2026-10-15. همچنین بخشهایی را که صفحات به آنها متکی هستند، با کد main پروژه در تاریخ 2026-10-20 مطابقت دادهایم.
3. مستندات Miles و یادداشتهای انتشار
رفتارهای مستندشده بر اساس مستندات Miles و یادداشتهای انتشار (Release Notes) نسخههای v0.1.0، v0.1.1 و v0.1.2 آمدهاند. هر جا میان مستندات و کد تناقضی وجود داشته باشد، از کد پیروی میکنیم. یک نمونه: متن راهنمای مربوط به فلگ پاداش سفارشی، یک تابع معمولی را نشان میدهد، در حالی که کد به یک تابع ناهمگام (async) نیاز دارد.
4. سیستم پیگیری مسائل Miles
موارد عیبیابی که خودمان بازتولید نکردهایم، از گزارشهای ثبتشده در سیستم پیگیری مسائل (Issue Tracker) پروژهی Miles گرفته شدهاند. تکتک این موارد صرفاً بهعنوان گزارش مشخص شدهاند، نه نتیجهی کار ما.
5. مقالهها و پستها
- گزارش فنی نسخه 0.1 پروژهی Miles، در arXiv 2609.08368، سپتامبر 2026.
- Rollout Routing Replay (مسیر پیشروی شبیهسازیشده، مسیریابی، بازپخش)، arXiv 2510.11370.
- مرکزیتبخشی به امتیازها یادگیری تقویتی برونسیاست را پایدار میکند (Score Centering Stabilizes Off-policy Reinforcement Learning)، arXiv 2609.20807.
- نخستین پست عمومی Miles در نوامبر 2025 و پست انتشار نسخهی v0.1 در اوت 2026، هر دو از تیم RadixArk.
- مخزن slime و README آن، برای پیشینهی پروژه.
- غلبه بر عدمتطابق آموزش و استنتاج با FP16، در arXiv 2510.26788، اکتبر 2025.
- استنتاج قطعی در ابعاد مختلف توازی تنسور (Tensor Parallel) جهت رفع عدمتطابق آموزش و استنتاج، در arXiv 2511.17826، نوامبر 2025.
- پروژهی Jet-RL، یادگیری تقویتی همسیاست با FP8، در arXiv 2601.14243، ژانویه 2026.
- قوانین مقیاسپذیری برای فروپاشی در GRPO ناهمگام، در arXiv 2607.01083، ژوئیه 2026.
- فرمت FP8 یکپارچه برای یادگیری تقویتی MoE، پستی در LMSYS از تیم Miles و همکاران آن، نوامبر 2025.
- خبر معرفی vime، پستی از تیم vLLM، ژوئن 2026.
- پولریکوئست 42408 در SGLang، اجرای DeepSeek-V4.1 روی GB300 با Miles، اکتبر 2026.
- مستندات دیکودینگ حدسی (Speculative Decoding) در SGLang.
- مستندات مسیرهای پیشروی شبیهسازیشدهی کوانتایز شده در SkyRL، سال 2026.
- ایشوی 6789 در TRL، اریب نمونهبرداری با اهمیت در روش نمونهبرداری کوتاهشده، اوت 2026.
نتایجی که سایر تیمها اندازه گرفتهاند، همراه با نام تیم و سختافزاری که به کار بردهاند در صفحات آورده شده است.
منابع: manual.json.