RL后训练

中国团队开源 RL 训练框架 Miles — 大模型"调教"工具开始平民化

Miles v0.1 把 RL 后训练（让大模型反复做题-批改-改进）的工程难题拆开开源。中国开发者加入这场基础设施竞赛，"调教"大模型不再只是大厂专利。