THUDM/slime · 标签视图

重构 rollout.py，拆分 SGLang 部署逻辑至 sglang_utils 子模块

值得精读。本 PR 是典型的「大文件拆分」重构示范，展示了如何将散落的部署逻辑按职责边界重新聚合为 engine-group / deployment / disaggregation 三层。重点关注 engine_group.py 中 GPU 槽位校验逻辑（`required_gpu_slots` 判断）和 deployment.py 中 router 的启动与复用策略，这些是后续排查部署问题的基础。

删除 rollout_validation 模块，GPU 放置校验内联至 rollout.py

值得快速浏览，重点确认 slime/ray/rollout.py 内联后的行为等价性与测试移除的取舍。若团队重视该校验的回归保护，可考虑在后续 PR 中补充针对 ServerGroup.start_engines 的集成测试或参数化单元测试。

新增 create_weight_updater 工厂，精简 actor 初始化

值得快速浏览，重点学习两点：一是如何用函数级延迟导入 + monkeypatch sys.modules 注入假模块来零成本测试内部 import 分支；二是把散落在核心初始化函数里的分派逻辑收敛为工厂函数时，如何用断言保住配置约束。若后续需要扩展权重同步通道，此工厂是天然的挂载点。

清理死代码与未访问分支，精简 32 个文件

该 PR 可作为仓库清理死代码的范式，适合需要了解如何系统识别未访问分支的工程师阅读。不建议深入学习具体业务逻辑，但可以重点关注其删除策略：先搜索调用方，再合并分支，最后同步测试。同时提醒在删除公共 API 前确认是否存在插件或外部依赖。

将 fanout 测试辅助模块迁至 tests/ 并改用 PYTHONPATH 注入

值得花两三分钟快速阅读，作为测试基础设施组织的样例，不建议精读。核心关注点是两点：一是 importlib.import_module 无法解析文件名带点的模块路径，导致测试辅助代码被迫寻找「无点模块名 + 可导入」的位置；二是通过 extra_env_vars 注入 PYTHONPATH 让 Ray driver 与 worker 都能看到 tests/ 目录的做法，这是 slime 仓库 E2E 测试中一个可复用的模式。该 PR 展示了作者在包边界上的审慎：避免测试代码渗入运行库。

删除 megatron_patch 梯度合并补丁，简化 Megatron 适配层。

值得快速精读，重点在于理解 Slime 如何通过移除运行时 monkeypatch 来收敛对上游框架的侵入。合并前建议确认目标 Megatron 版本已具备等效的分块梯度同步机制，并在大模型 TP 场景做一次 OOM 回归验证；若无法确认，可先保留补丁并仅注释导入以避免直接行为回退。

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。

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。