THUDM/slime

新增 SWE_AGENT 环境变量支持选择 agent 实现

值得精读。该 PR 展示了一种简单而优雅的 agent 选择模式（注册表 + 环境变量注入），符合开闭原则，便于后续扩展。对于其他需要多后端/多实现的场景有借鉴意义。

修复 SWE coding-agent RL 稳定性问题

建议精读。PR 展示了 agent RL 训练中异常处理的最佳实践：通过 `drop_session` 分离清理与样本生成，通过 `rollout_log_probs=[0.0]` 和 `remove_sample=True` 优雅处理中止样本。测试覆盖不足，后续可补充。

修复非浮点型 reward 导致的 crash

建议合并。修复明确，改动安全。若需保留平均 reward 展示，应在后续 PR 中引入更健壮的类型处理，例如统一转换为 float。

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。

README 新增 Dressage 框架介绍

该 PR 为简单的文档更新，无需深入审查。建议合并，以完善生态系统文档。

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。

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。

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。