エンタープライズ向けRLトレーニングのガイダンスを提供します。これはslimeのプロダクションレディなフォークであるmilesを使用します。FP8/INT4で大規模MoEモデルをトレーニングする際に使用し、必要に応じて…
npx skills add https://github.com/firecrawl/ai-research-skills --skill miles-rl-training