THUDM/slime · 标签视图

新增 observability 子模块并迁移日志指标工具

值得作为大型 Python 项目做 NFC 结构整理的参考案例浏览。重点关注三点：一是新建子包时如何通过 rename 保留 git 历史；二是跨模块搬移后如何通过 import 集中更新与测试迁移保证行为不变；三是 rollouts_metrics 与 train_metric_utils 的职责划分（rollout 侧指标 vs 训练侧归约）可复用到其他 RL 训练框架。对功能理解而言本 PR 无新逻辑，不必深入精读每个函数。

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。

修复非浮点型 reward 导致的 crash

建议合并。修复明确，改动安全。若需保留平均 reward 展示，应在后续 PR 中引入更健壮的类型处理，例如统一转换为 float。

暴露 sglang 负载 inflight 细节

建议运维团队关注该能力，可用于请求生命周期分析和调度调优。设计上请求触发采集，性能影响可控。

移除 wandb 中 count 指标的上传

该 PR 变更简单、风险低，无需详细 Review。对于 wandb 日志量敏感的用户，此项清理可适当降低存储成本。

将 wandb 指标上传改为仅基于 per-sample 统计

建议仔细阅读 `_compute_sglang_request_perf_metrics` 和 `_iter_sglang_generate_attrs` 的实现，理解从 trace 提取指标的模式。若当前使用服务器端 wandb 指标，需评估移除影响并调整监控策略。关注 sglang.patch 的版本兼容性。

修复非MLA模型FLOPs计算错误的bug

值得立即合并。这是明确的计量 bugfix，改动小、逻辑清晰，且经过本地验证。建议后续补充单元测试，覆盖 MLA/非 MLA 两种场景的 FLOPs 计算。

新增 CI 检查 train_rollout_logprob_abs_diff

该 PR 变更极小且直观，无需精读。但可关注后续 CI 中该断言是否稳定，若频繁误报需调整阈值或检查根源。