THUDM/slime

修复 tau-bench 配置键名不匹配问题

可直接合并。少量改动但修复了实际存在的 bug，建议在发布说明中提及。

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。

删除失效的 Dr.GRPO 自定义 reducer 示例引用

无需精读。对于使用自定义 PG loss reducer 的用户，后续可关注 PR #2090 提供的内置 `--loss-aggregation constant` 选项。

去除 bshd 数据布局支持，统一使用 THD 格式

值得精读。该 PR 展示了如何通过移除冗余布局来简化核心管线，对理解 slime 的数据布局与上下文并行实现有较大帮助。

用消息树 TrajectoryManager 替换分段轨迹，新增可插拔 harness 层

强烈建议精读：设计中消息树模型和 token drift 处理是核心创新点；review 中的性能讨论（chunk 比较、dict 比较）和设计权衡（fork vs replace）有很高的学习价值。对于需要扩展新的 LLM agent 或改进多轮 RL 训练的项目，此 PR 提供了可复用的模式。

新增 GLM-5.2 744B-A40B 模型训练支持

该 PR 是典型的模型接入变更，核心逻辑改动集中在路由和配置，适合作为 DSA 系列模型接入的参考示例。建议阅读 `slime/backends/megatron_utils/megatron_to_hf/__init__.py` 的分支扩展方式和 `slime_plugins/models/glm5/glm5.py` 中的 pipeline 分割校验逻辑。

新增 rollout 数据 NIXL 传输支持

值得精读的实现包括：_tensorize_rollout_data_for_training 中对多模态数据的递归处理、actor.py 中 non_blocking 传输的改造以及 ray.put 条件分支。建议在合并后一段时间内监控 object-store 路径的稳定性，并在后续 PR 中补齐 nixl 的测试覆盖率。

修复 README 中 CI Badge 链接

无需深入阅读，属于常规文档维护。