Prhub

THUDM/slime

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

监控状态：已开启 最近同步：2026-09-18 14:47 同步状态：空闲 下次计划：2026-09-18 15:47

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
2026-07-02

#2169 Merging profiling info into router

原始 PR · 作者 zhuzilin · 合并时间 2026-07-02 21:18

重构 重要性 7.27 洞察度 5.00

将 Profiling 信息合并到 Router，重构 sglang 补丁

建议仔细 review router 侧对应的 profiling 实现是否已合入，并充分测试 PD 分离场景下的 timeout 和 memory 释放逻辑。

refactorperformanceinfra
重构 重要性 9.36 洞察度 6.00

磁盘级delta权重同步，替代NCCL传输

值得精读，特别是 `disk_delta.py` 中的工具函数设计以及 `UpdateWeightFromDiskDelta` 如何通过继承复用 `UpdateWeightFromDistributed`。配置参数的变化也需关注以便兼容旧脚本。

refactorbackendsinfra
功能 重要性 9.18 洞察度 7.00

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。

featureagenticconfiguration
2026-07-01

#2123 Fix training stuck on all-gather cp

原始 PR · 作者 zhuzilin · 合并时间 2026-07-01 14:21

缺陷修复 重要性 6.19 洞察度 6.00

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。

bugfixbackendsperformance

#2160 Fix CI

原始 PR · 作者 zhuzilin · 合并时间 2026-07-01 12:21

缺陷修复 重要性 4.86 洞察度 3.00

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。

bugfixtestbackends

参与讨论