THUDM/slime

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。

融合 PPO logprob/entropy 计算，减少 allreduce 一半

建议团队成员精读 `_VocabParallelLogProbEntropy` 的 autograd 实现，作为融合通信的工程模式；同时也值得检查 CI 中新增的两个测试是否运行正常，确保数值稳定性。对于需要优化 PPO 训练性能的场景，此 PR 提供了解耦可复用的参考。

修复空 colocated weight buckets 导致 crash 的问题

该 PR 修复了一个重要的分布式同步 Bug，设计简洁且测试覆盖良好。建议合并后团队关注相关路径（`update_weight_from_tensor.py`、`update_weight_from_distributed.py`）是否存在类似假设，预防回归。同时，新增的单元测试值得作为后续类似功能的参考。

新增 Gemma4 密集型和 MoE 模型完整支持

该 PR 设计质量高，实现完整，测试覆盖全面。建议精读以下设计点：① `Gemma4Router` 中 renormalise-then-scale 的顺序决策（与 HF 一致）；② `DualRotaryEmbedding` 拼接而非元组的设计理由；③ `_Gemma4LogitSoftcap` 使用 autograd Function 实现就地 softcapping；④ 通过 hook 而非子类化注入模型行为的选择。这些决策值得在其他模型支持中借鉴。

修复 top_p mask 性能问题

此 PR 为针对性的性能修复，改动量小且准确。建议相关人员了解该条件判断的引入原因，以便在 sglang 上游版本升级时同步。

修复 Megatron 服务器并行 update_from_disk 问题

值得精读，特别是锁和 future 的使用方式。建议在后续 PR 中补充对应的并发测试。