miles-rl-training
โดย firecrawl
ให้คำแนะนำสำหรับการฝึกอบรม RL ระดับองค์กรโดยใช้ miles ซึ่งเป็น fork ที่พร้อมสำหรับการผลิตของ slime ใช้เมื่อฝึกโมเดล MoE ขนาดใหญ่ด้วย FP8/INT4 ที่ต้องการ…
npx skills add https://github.com/firecrawl/ai-research-skills --skill miles-rl-training