MI355X上でSWEエージェントを訓練:Milesはいかに長尾trajectoryを制御したか
AMDとMilesチームは、AMD Instinct MI355X上でソフトウェアエンジニアリングエージェント向けの全非同期agentic RL訓練手法を示した。Qwen3-30B-A3B-Instructは、SWE-bench Verif
AMDとMilesチームは、AMD Instinct MI355X上でソフトウェアエンジニアリングエージェント向けの全非同期agentic RL訓練手法を示した。Qwen3-30B-A3B-Instructは、SWE-bench Verif
Miles v0.1は、フロンティア規模の強化学習(RL)トレーニングを研究者や開発者に提供するために設計されたフルスタックのプロダクションレベルシステムであり、精度・効率・信頼性・拡張性を最優先に掲げている。