THUDM/slime · 标签视图

修复过期文档并新增文档一致性测试

值得精读测试文件 `tests/test_docs_consistency.py` 的设计思路，它用不到 100 行代码自动守护了全仓库文档的链接和命令有效性，可复用到其他仓库；`docs/conf.py` 的 `_sync_examples` 变更也值得关注，它展示了如何让示例文档引用真实文件而非仅有 README。若团队有类似文档漂移痛点，可将此 PR 作为模板参考。

更新 README 与 CONTRIBUTING 文档，补充代码阅读路线

本 PR 为纯文档更新，价值不高，但其中的“代码阅读路线”对新手有参考意义，值得新贡献者阅读，以快速把握 slime 的整体架构。

删除过时 delta+NCCL 建议，明确 delta 仅支持 disk

PR 改动很小，不需要精读。值得留意的设计决策是：当代码功能被移除（#2089）而文档未同步时，决策表会继续推荐一条不存在的路径；本次通过“明确说明当前契约 + 声明不修复历史问题”的方式完成对齐。若关注 external rollout engine 的权重同步演进（#1806 引入 → #2089 移除 → #2209 报告 NaN → #2312 清理文档），可以顺着这条链路做复盘。

澄清 PPO/Critic 文档：共享 GPU 与 --megatron-config-path

值得快速浏览，重点是 PPO 资源分配的新说明和 --megatron-config-path 的角色覆盖方式；纯文档变更，无需精读，但可作为配置 PPO 时的参考手册。

在 examples/README 中补充 coding_agent_rl 条目

该 PR 为普通文档维护，无技术深度，但体现了对示例可发现性的重视。可快速浏览，无需精读。

在中文 README 生态区新增 Dressage 条目，与英文版对齐。

此 PR 价值有限，不值得精读。它只是简单的文档同步，但体现了维护者保持文档一致性的努力。

修正 OPD 文档逆 KL 定义并补充采样细节

无需精读，但建议阅读公式部分以支持后续开发。值得关注两点：一是逆 KL 方向的定义符合 Thinking Machines Lab 的标准；二是明确采样误差的说明（单个 `d_t` 可能为负），有助于理解 OPD 的随机性。

修复文档中两处文字错误

快速合并即可，无需额外审查。该 PR 可作为新手贡献文档的良好示例。