THUDM/slime · 标签视图

参数解析阶段拒绝非正 rollout 温度，拦截非法 RL 采样配置

值得快速浏览。改动虽小，但体现了“非法配置在参数解析阶段拒绝，而不是在训练逻辑里隐式兜底”的工程决策，PR body 对 greedy 温度为什么不是合法 RL 策略的解释清晰；配合 #2236、#2276 可看到 slime 在参数校验层持续加固的趋势。

修复 OPD 教师温度硬编码为 0 的问题

该 PR 不建议精读，但其讨论过程值得关注，特别是关于 SGLang 温度对 input logprob 影响的澄清，以及最终引导至 PR#2325 的正确修复。

修复 PPO 原地修改 KL 张量导致日志指标失真

值得精读。这是一个典型的「Python 原地修改导致别名污染」bug：表面只改了几行，但根因是共享引用被隐式写入。建议关注两点：一是 out-of-place 修复如何在保持训练语义不变的前提下修正日志数据契约；二是回归测试用 `sys.modules` monkeypatch 构造 megatron 桩的手法，可用于同类依赖重型后端的单测场景。

eval-only 跳过优化器与调度器构建

该 PR 值得精读，尤其是“为什么不用 train_iters=1”的设计权衡。建议在合入后补一条 CPU 侧测试：断言 num_rollout == 0 时 setup_model_and_optimizer 返回 (model, None, None)、create_training_models 不分配 critic，并验证正常训练路径仍构造 optimizer 与 scheduler。

修复旧版 SGLang 参数别名与 router 选项兼容性

值得快速阅读的小型兼容性修复。核心可借鉴点是：跨版本依赖适配时用 `hasattr` 做能力探测并降级为 warning，而不是硬假设 API 恒存在。同时建议关注两个遗留点：`validate_args` 在跳过别名归一化后仍直接访问 `args.sglang_pp_size` 的潜在 `AttributeError`，以及缺失 `disable_health_check` 时 router 健康检查语义变化；若团队需长期支持旧版 SGLang，应补充一个 mock 旧版属性的回归测试。

新增 --save-debug-train-data 与 rollout 路径冲突校验

该 PR 值得快速 review，逻辑简单清晰，测试覆盖到位。可关注点：校验位置是否覆盖所有设置路径（如 `--dump-details` 间接设置），以及是否需要在文档中提及该限制。

修复最新 Megatron 下模型转换兼容性问题

本 PR 值得精读，因为它展示了如何通过小范围的兼容性修复来适配 Megatron 新版本，特别是参数默认值、导入路径和构造签名的处理方式，可作为后续适配其他模型插件时的参考。

修复 FP8 转换中 ue8m0 变换开关导致的不一致问题

该 PR 值得精读，虽然改动不大，但涉及 FP8 量化转换的关键参数透传，可学习如何通过参数默认值控制行为并保持调用链一致性。建议关注后续是否存在统一的 `transform_ue8m0` 配置入口，以及是否补充对应测试以确保两种路径行为一致。