Miles RL框架新增AMD ROCm支持
先了解这件事
2026年9月30日，LMSYS 旗下 Chatbot Arena 团队发布博客称，Miles 强化学习框架现已支持 AMD Instinct GPU（含 MI300/350 系列），可在 ROCm 上原生运行大规模 RL 后训练。报道指出，Miles 基于 SGLang 与 Slime 生态，支持 GRPO/PPO、Ray 编排及 Megatron-LM 集成，并提供预构建容器；团队在单节点 8 卡 MI300X 上用 GRPO 训练了 Qwen3-30B-A3B。同日后续报道进一步称，DeepSeek-V4 Flash 的 RL 训练已在 AMD Instinct MI355X GPU 上通过 Miles 与 ROCm 获得支持，并完成四节点端到端验证。目前进展为官方确认 Miles 对 AMD Instinct GPU 的原生支持，并给出 Qwen3-30B-A3B 单节点训练与 DeepSeek-V4 Flash 四节点验证两项实例。
AI 根据报道生成 · 11 小时前更新
事件进展
- 9月30日 23:28 · 1 篇报道Miles RL框架支持AMD ROCm平台LMSYS：Blog（Chatbot Arena 团队）：AMD Instinct GPU 迎来 Miles 强化学习框架 ROCm 支持
- 9月30日 23:28 · 1 篇报道Miles支持在AMD MI355X上训练DeepSeek-V4 Flash RLLMSYS：Blog（Chatbot Arena 团队）：DeepSeek-V4 Flash RL 训练在 AMD Instinct MI355X GPU 上通过 Miles 获得支持
报道时间线
沿着报道，了解事件的不同侧面。
- LMSYS：Blog（Chatbot Arena 团队）AMD Instinct GPU 迎来 Miles 强化学习框架 ROCm 支持
Miles 强化学习框架现已支持 AMD Instinct GPU（含 MI300/350 系列），可在 ROCm 上原生运行大规模 RL 后训练。Miles 基于 SGLang 与 Slime 生态，支持 GRPO/PPO、Ray 编排及 Megatron-LM 集成，并提供预构建容器。在单节点 8 卡 MI300X 上，团队用 GRPO 训练了 Qwen3-30B-A3B。
- LMSYS：Blog（Chatbot Arena 团队）DeepSeek-V4 Flash RL 训练在 AMD Instinct MI355X GPU 上通过 Miles 获得支持
DeepSeek-V4 Flash 的 RL 训练现已在 AMD Instinct MI355X GPU 上通过 Miles 与 ROCm 支持，完成四节点端到端验证。
本事件热度走势
当前热度 7·可比范围峰值 10（10月1日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。