home/categories/machine-learning/orchestra-research-ai-research-skills-06-post-training-miles-skill-md
machine-learningdata-ai
miles-rl-training
Provides guidance for enterprise-grade RL training using miles, a production-ready fork of slime. Use when training large MoE models with FP8/INT4, needing train-inference alignment, or requiring speculative RL for maximum throughput.
maintainer
Orchestra-Research
আপডেট হয়েছে 1/29/2026
স্টার
6563
ফর্ক
515
quick start
Installation and usage
Provides guidance for enterprise-grade RL training using miles, a production-ready fork of slime. Use when training large MoE models with FP8/INT4, needing train-inference alignment, or requiring speculative RL for maximum throughput.
ইনস্টলেশন
$ install --globalskills.sh
ব্যবহার
ইনস্টল করার পর, টার্মিনালে নিচের কমান্ড চালিয়ে আপনি এই স্কিল ব্যবহার করতে পারবেন:
skills use miles-rl-training