پروژهی Miles در اکتبر 2025 با کپیبرداری از روی slime آغاز شد و از آن زمان قابلیتهای اختصاصی خودش را توسعه داده است؛ بنابراین یادداشتهای انتشار (Release notes) خودِ Miles را ملاک قرار دهید.
اگر پیشینهی Miles را بشناسید، درک آن بسیار سادهتر میشود. این پروژه کارش را با کپی از slime آغاز کرد؛ فریمورکی برای یادگیری تقویتی (Reinforcement Learning یا RL) از تیم GLM در شرکت Zhipu. بخش عمدهی طراحی Miles هنوز هم با slime مشترک است.
پس از پایان این بخش، میتوانید ارتباط میان Miles و slime را توضیح دهید و معنای آن را هنگام ارتقای نسخهها درک کنید.
ابتدا slime آمد
پروژهی slime در ژوئن 2025 کلید خورد. ایدهی آن اتصال بخش آموزش Megatron به موتورهای مسیر پیشروی شبیهسازیشده (Rollout) در SGLang بود، همراه با یک بافر داده میان آنها برای تولید دادههای سفارشی. تیم GLM از این فریمورک برای آموزش مدلهای GLM خود با یادگیری تقویتی، از نسخهی GLM-4.5 به بعد، استفاده میکند.
مسیر جدایی
| تاریخ | رویداد |
|---|---|
| 2025-10-05 | آخرین commit مشترک میان slime و Miles |
| 2025-10-09 | آغاز به کار مخزن Miles با کپی کاملی از تاریخچهی slime |
| 2025-11-19 | انتشار نخستین پست عمومی Miles توسط تیم RadixArk |
| 2026-08-18 | انتشار Miles نسخهی v0.1.0 |
| 2026-09-26 | انتشار Miles نسخهی v0.1.1 |
| 2026-10-09 | انتشار Miles نسخهی v0.1.2، و انتشار همزمان slime نسخهی v0.4.0 در همان روز |
شرکت RadixArk بر پایهی SGLang محصول میسازد و اعلام کرده که به سرمایهگذاری روی آن ادامه خواهد داد. آنها در نخستین پست خود اعلام کردند تمرکز Miles روی سختافزارهای جدید، یادگیری تقویتی برای مدلهای بزرگ آمیزهای از خبرگان (Mixture of Experts یا MoE) و پایداری در محیط عملیاتی (Production) خواهد بود. همچنین اشاره کردند که بیشتر قابلیتهای الحاقی را به slime بازمیگردانند.
میزان فاصلهگرفتن دو پروژه
تا تاریخ 2026-10-20، مخزن Miles حدود 2,500 commit داشت که در slime نبود، و slime نیز نزدیک به 1,200 commit داشت که به Miles نیامده بود. قابلیتهایی که Miles در آن تاریخ داشت و slime نداشت:
- یک بکاند (Backend) آموزش سوم به نام torchtitan، در کنار Megatron و FSDP.
- انتقال وزنهای مدل از طریق RDMA، و یک درایور بهروزرسانی مشترک میان تمام روشهای انتقال.
- یک سرور نشست (Session server) برای تبادل رفتوبرگشتی توکنها در نوبتهای گردش ایجنت (Agent turns).
- دستورالعملهای آموزش با فرمتهای MXFP8، NVFP4 و INT4.
- آموزش به روش Multi-LoRA.
- یک بکاند آزمایشی برای Kubernetes، و یک ابزار تزریق خطا (Fault injector) برای تستهای آن.
پروژهی slime هم مسیر خودش را رفت. در نسخهی v0.3.0 ماژول ایجنت را اضافه کرد. در نسخهی v0.4.0 فقط حالتهای همگام و تماماً ناهمگام را نگه داشت، و فضای ذخیرهسازی اختصاصی خودش را برای دادههای مسیر پیشروی شبیهسازیشده افزود.
این موضوع برای شما چه معنایی دارد
- یادداشتهای انتشار Miles را بخوانید، نه slime را. فلگی که در slime وجود دارد ممکن است در Miles متفاوت باشد، و برعکس.
- از SGLang درون ایمیج استفاده کنید. فریمورک Miles از یک نسخهی پچشدهی (Patch) SGLang همراه با هوکهای ویژه برای RL استفاده میکند. نسخههای رسمی و استاندارد SGLang همهی این موارد را ندارند.
- ایمیج را پین کنید. فریمورک Miles در هر چرخهی انتشار صدها Pull Request را merge کرده است. تگ
latestتغییر میکند؛ بنابراین همانطور که در بخش 6.4 نشان داده شده، شناسه (Digest) هر اجرا را ثبت کنید.
منابع: مخازن و یادداشتهای انتشار Miles و slime؛ پست معرفی Miles در تاریخ 2025-11-19؛ پست انتشار Miles v0.1 در تاریخ 2026-08-18؛ فایل README در slime.