大道至简：用 720 行纯 Python 手搓 miles 最小闭环（SGLang + GRPO + 50ms CUDA IPC 热更新）
当 DeepSeek-R1 掀起后训练（Post-Training）强化学习浪潮时，Ray + vLLM/SGLang + FSDP 的传统分布式框架动辄数万行代码，阻碍了研究者探究其底层数学与通信本质。本文带你从单张 GPU 物理机出发，用 720 行高内聚代码，手搓一个真刀真枪跑通 GSM8K 算术推理收敛的最小闭环框架（nano-miles）。
当 DeepSeek-R1 掀起后训练（Post-Training）强化学习浪潮时，Ray + vLLM/SGLang + FSDP 的传统分布式框架动辄数万行代码，阻碍了研究者探究其底层数学与通信本质。本文带你从单张 GPU 物理机出发，用 720 行高内聚代码，手搓一个真刀真枪跑通 GSM8K 算术推理收敛的最小闭环框架（nano-miles）。