SkyRL（由 NovaSkyAI 开发）为 Reflection-Beam-1.0 提供了 Day-0 强化学习训练支持，涵盖 LoRA 微调、BF16 全参数微调和 MXFP8 精度 RL 训练，并使用 vLLM 进行 rollout 采样。