Prhub

THUDM/slime

slime is an LLM post-training framework for RL Scaling.

监控状态：已开启 最近同步：2026-09-01 17:42 同步状态：空闲 下次计划：2026-09-01 18:42

PR 列表

最近 1 天 最近 3 天 最近 7 天
更多筛选
标签聚合 仓库周报
2026-06-22

#2118 sync from internal

原始 PR · 作者 zhuzilin · 合并时间 2026-06-22 21:05

功能 重要性 9.36 洞察度 7.00

同步内部代码，新增 Megatron Teacher Server 及无状态 Adam

建议重点关注 Teacher Server 的架构设计（尤其是高效采样算法和无状态 Adam），可为后续类似组件提供参考。对于使用 teacher-forcing 的场景，此 PR 提供了一套完整的参考实现。

featurearchitectureperformance
2026-06-21

#2110 Extract append_response_tokens to Sample

原始 PR · 作者 zhuzilin · 合并时间 2026-06-21 10:12

重构 重要性 7.09 洞察度 5.00

增强 append_response_tokens 的校验与元数据一致性

值得精读，特别是其防御式编程风格和统一元数据校验的设计思路。对比 #2108 的抽取，本 PR 进一步完善了接口契约。对于维护训练管道的工程师，建议检查所有 `append_response_tokens` 调用点是否满足新校验要求。

refactorarchitecturetest

#2108 Extract append_response_tokens to Sample

原始 PR · 作者 zhuzilin · 合并时间 2026-06-21 09:07

重构 重要性 9.18 洞察度 6.00

将 response token 追加逻辑提取至 Sample 类

该 PR 值得精读，展示了如何将引擎相关数据处理逻辑抽象到数据模型层（Sample 类），使上层 rollout 解耦。特别关注其 Tensor 化设计和 `decode_int32_meta_array` 的鲁棒性。对于开发新 rollout 的团队是参考范例。

refactorarchitecturetest
2026-06-20

#2107 Fix wrongly removed RouterArgs registry

原始 PR · 作者 zhuzilin · 合并时间 2026-06-20 22:58

缺陷修复 重要性 4.53 洞察度 2.00

修复 SGLang RouterArgs 注册遗漏

变更微小且修复明确，可快速合入。建议开发者检查 `sglang_router` 库版本是否为预期版本（参考 Dockerfile 或 `sglang` 依赖），避免因库接口变化引入新的不兼容。

bugfixconfigurationfeature
2026-06-19

#2102 Support top_p mask

原始 PR · 作者 zhuzilin · 合并时间 2026-06-19 09:56

功能 重要性 9.11 洞察度 7.00

新增 top_p 掩码支持提升 RL 训练准确性

该 PR 设计清晰，值得关注其在分布式训练中传递辅助数据的方法。建议阅读 `_build_topp_keep_mask` 和 `compute_log_probs` 的改动，理解如何与 TP/CP 对齐。

featurearchitectureperformance
2026-06-18

参与讨论