执行摘要

此PR修复了创建critic训练组时未正确传递role参数的问题，通过修改allocate_train_group函数增加role参数并显式传递"critic"值，确保角色分配符合代码注释预期。变更范围小、风险低，属于常规维护性修复。

功能与动机

根据PR body引用的代码注释（slime/ray/actor_group.py第75-77行），创建critic的RayTrainGroup时使用actor角色不符合预期。作者znculee发现此不一致问题并提交修复，确保critic训练组正确使用"critic"角色。

实现拆解

修改slime/ray/placement_group.py文件：

1. allocate_train_group函数：增加role参数，默认值为"actor"，并将参数传递给RayTrainGroup构造函数。
   

   def allocate_train_group(args, num_nodes, num_gpus_per_node, pg, role="actor"):
       return RayTrainGroup(
           args=args,
           num_nodes=num_nodes,
           num_gpus_per_node=num_gpus_per_node,
           pg=pg,
           num_gpus_per_actor=0.4,
           role=role, # 新增参数传递
       )
   

2. create_training_models函数：在创建critic训练组时显式传递role="critic"。
   

   critic_model = allocate_train_group(
       args=args,
       num_nodes=args.critic_num_nodes,
       num_gpus_per_node=args.critic_num_gpus_per_node,
       pg=pgs["critic"],
       role="critic", # 显式指定角色
   )
   

评论区精华

无review评论，PR直接由zhuzilin合并。提交历史显示作者先提交修复commit，然后合并main分支更新，表明这是基于最新代码的简单修复。

风险与影响

风险分析：

• 变更范围小，仅修改一个函数签名和两处调用。
• 向后兼容，新增参数有默认值，不影响现有调用。
• 逻辑简单，只是参数传递，不涉及复杂业务逻辑。

影响分析：

• 对用户无直接影响，这是内部训练逻辑修复。
• 对系统影响小，确保critic训练组正确使用"critic"角色，修复了原有错误。
• 对团队影响小，代码变更简单易懂。

关联脉络

与近期历史PR对比：

• PR #1775：修复Megatron LR scheduler重复恢复问题，同为训练相关逻辑修复。
• PR #1741：修复encoder_only属性缺失导致的运行时错误，同为bugfix类型。

此PR延续了仓库近期对训练逻辑和配置的持续优化趋势，体现了对代码细节的关注。