slime is an LLM post-training framework for RL Scaling.
原始 PR · 作者 jingshenghang · 合并时间 2026-07-02 11:05
SWE 评分协议可配置 + Sandbox RPC 稳健性增强
值得精读，尤其是 `exec_and_wait` 的设计模式和 `E2BSandbox._rpc_retry` 的幂等性策略；评分协议的策略模式也很清晰。建议关注截断逻辑的正确性和重试异常覆盖。
原始 PR · 作者 realJaydenCheng · 合并时间 2026-07-01 17:49
修复 IPv6 环境下权重更新初始化崩溃
该 PR 虽小但关键，修复了分布式训练在 IPv6 环境下的阻塞问题，值得合并。建议阅读 `_wrap_ipv6` 的实现以确认其鲁棒性。
修复 all-gather CP 模式下训练卡住的问题
建议合并该 PR，它解决了严重的训练卡死问题。修改小而精确，值得精读以理解 all-gather CP 模式下梯度图构建的细节。特别是 `requires_grad` 继承和切片取代 `torch.zeros` 的做法，可作为保持计算图连续性的参考模式。
修复 CI 测试，调整梯度比对逻辑与配置
本 PR 是典型的 CI 稳定性修复，值得关注的是 `_assert_logprob_backward_close` 的设计：通过 bfloat16 对齐来规避不同 kernel 的精度差异，是一个实用的数值测试技巧。
移除 set_materialize_grads 并修复梯度传播
值得精读。变更小但涉及梯度流的核心路径，移除高风险配置，建议在训练实验中验证梯度正确性与收敛效果。
将 with_entropy_grad 判断下移到 get_log_probs_and_entropy
该 PR 为简单的清理性 bugfix，不需重点精读，但体现了代码复用和职责分离的良好实践。
优化 vocab 并行 logprob/entropy 计算，减少内存分配
建议精读 `slime/utils/ppo_utils.py` 中的 in-place 改造和 `sum_softmax_logits` 设计，是典型的 CUDA 显存优化模式。调用侧 `loss.py` 的改动简单，但测试容差变化值得关注。
更新 strands_sglang 示例至 0.4.2 API
建议使用 `strands-sglang` 集成或参考该示例的用户仔细阅读代码变更，特别是 `model.rollout` 的用法和内联解释器的实现。该 PR 展示了减少外部依赖、内联关键组件的设计思路。
参与讨论