执行摘要

• 一句话：版本升级至 v0.3.0，重写构建脚本并更新补丁
• 推荐动作：建议阅读 build_conda.sh 的重写逻辑和新增补丁的内容，理解 CUDA 环境兼容性处理方法。对于涉及分布式训练的开发者，重点关注 megatron.patch 中的 checkpoint 加载与 DDP 修改。该 PR 值得精读，尤其是基础设施和部署相关的部分。

功能与动机

版本升级至 v0.3.0，旨在发布新版本并同步更新底层依赖（sglang、megatron）的环境适配与补丁。同时重写构建脚本以简化环境安装、适配 CUDA 12.9。

实现拆解

1. 版本号更新：修改 setup.py 中的 version 字段从 "0.2.4" 为 "0.3.0"。
2. 构建脚本重写：重写 build_conda.sh，调整环境变量引用为版本号（SGLANG_VERSION、MEGATRON_COMMIT、PATCH_VERSION），修复 nodefaults 问题，优化 CUDA 12.9 安装，添加 Rust 依赖，解决 cu13 与 cu12 的包冲突（force-reinstall torch 和 sglang-kernel，然后修复 nvidia 共享库）。
3. 新增补丁文件：在 docker/patch/v0.5.12.post1/ 下新增 sglang.patch 和 megatron.patch，包含 checkpoint 加载（weights_only=False，允许 shape 不匹配）、分布式数据并行（disable_grad_buffers_cpu_backup、disable_param_sync）、Flash Attention 缩放因子修复等。
4. CI 配置调整：修改 .github/workflows/conda-ci.yml 增加构建与测试流程；微调 pr-test.yml 和 pr-test.yml.j2。
5. 测试与断言调整：修改 tests/test_qwen3_0.6B_parallel_check.py，简化并行组合循环（使用 parallel_sizes = [1,2,4]）；在 slime/backends/megatron_utils/data.py 中放宽 CI 断言的 log_prob 和 entropy 范围。

关键文件：

• docker/patch/v0.5.12.post1/megatron.patch（模块 补丁文件；类别 infra；类型 infrastructure；符号 _validate_global_shapes, TEGroupedLinear, _encode_extra_state, _postprocess）: 新增 1007 行补丁，对 megatron 核心库进行多处修复，包括 checkpoint 加载、分布式数据并行、Flash Attention 等，是本次版本升级的关键基础设施变更。
• build_conda.sh（模块 构建脚本；类别 other；类型 core-logic）: 核心构建脚本，被大幅重写以支持 CUDA 12.9、修复 conda 配置冲突、整合环境变量同步，是版本升级的主要工程改动。
• docker/patch/v0.5.12.post1/sglang.patch（模块 补丁文件；类别 infra；类型 infrastructure）: 新增 2850 行 sglang 补丁，适配 v0.5.12.post1 版本，是 sglang 集成的重要更新。
• slime/backends/megatron_utils/data.py（模块 后端核心；类别 source；类型 core-logic；符号 log_rollout_data）: CI 中断言范围被放宽（log_probs 和 entropy），这是为了适应实际训练中的浮动，但可能掩盖异常。
• tests/test_qwen3_0.6B_parallel_check.py（模块 并行测试；类别 test；类型 test-coverage）: 测试并行组合逻辑被简化，以支持更灵活的 CI 执行，减少硬件限制。
• setup.py（模块 版本配置；类别 source；类型 core-logic）: 版本号从 0.2.4 升级到 0.3.0，是版本发布的核心标识。
• .github/workflows/conda-ci.yml（模块 CI 配置；类别 infra；类型 infrastructure）: 新增 conda 构建的 CI 配置，确保新构建脚本在 PR 中通过测试。

关键符号：_validate_global_shapes, TEGroupedLinear, _encode_extra_state, _postprocess, _maintain_float32_expert_bias, _checkpointed_forward, checkpoint_handler, log_rollout_data

关键源码片段

slime/backends/megatron_utils/data.py

CI 中断言范围被放宽（log_probs 和 entropy），这是为了适应实际训练中的浮动，但可能掩盖异常。

if "rollout/log_probs" in reduced_log_dict:
    # 放宽下限从 -0.5 到 -1，以应对实际训练中的数值波动
    assert -1 < reduced_log_dict["rollout/log_probs"] < 0
if "rollout/entropy" in reduced_log_dict:
    # 放宽上限从 0.5 到 1，以覆盖更多的正常情况
    assert 0 < reduced_log_dict["rollout/entropy"] < 1

评论区精华

该 PR 没有公开的 review 评论，合并者为提交者本人，属于快速发布流程。

• 暂无高价值评论线程

风险与影响

• 风险：新增的补丁文件（特别是 megatron.patch 中修改了 checkpoint 加载和分布式数据并行流程）可能影响分布式训练的稳定性和兼容性。build_conda.sh 重写后改变了环境安装方式，可能对已有部署环境的手动升级步骤有影响。CI 断言的放宽（log_probs 从 -0.5~0 改为 -1~0，entropy 从 0~0.5 改为 0~1）降低了检测精度，可能掩盖潜在数值异常。
• 影响：对用户：升级至 v0.3.0 需要重新构建 conda 环境或使用更新后的 docker 镜像。对系统：构建流程发生重大变化，CI 增加了 conda 构建测试；补丁文件的变更影响底层训练引擎。对团队：需要维护新的补丁版本和构建脚本，确保与官方同步。
• 风险标记：补丁兼容性风险, 构建流程重写, 断言范围放宽, CUDA 版本冲突处理

关联脉络

• PR #1983 [docker] fix GLM4.7 Flash in sglang v0.5.12: 与本 PR 同属 sglang 补丁更新，涉及相同补丁目录和版本适配。
• PR #1991 [ci] Add e2e test for delta weight update: 同属 v0.3.0 发布周期内的 CI 增强，与本 PR 的 CI 配置修改互补。
• PR #1990 [ci] fix kl check on R3: 与本 PR 均修改了 slime/backends/megatron_utils/data.py 中的 CI 检查逻辑。