THUDM/slime

将 fanout 测试辅助模块迁至 tests/ 并改用 PYTHONPATH 注入

值得花两三分钟快速阅读，作为测试基础设施组织的样例，不建议精读。核心关注点是两点：一是 importlib.import_module 无法解析文件名带点的模块路径，导致测试辅助代码被迫寻找「无点模块名 + 可导入」的位置；二是通过 extra_env_vars 注入 PYTHONPATH 让 Ray driver 与 worker 都能看到 tests/ 目录的做法，这是 slime 仓库 E2E 测试中一个可复用的模式。该 PR 展示了作者在包边界上的审慎：避免测试代码渗入运行库。

删除 megatron_patch 梯度合并补丁，简化 Megatron 适配层。

值得快速精读，重点在于理解 Slime 如何通过移除运行时 monkeypatch 来收敛对上游框架的侵入。合并前建议确认目标 Megatron 版本已具备等效的分块梯度同步机制，并在大模型 TP 场景做一次 OOM 回归验证；若无法确认，可先保留补丁并仅注释导入以避免直接行为回退。

删除过时 delta+NCCL 建议，明确 delta 仅支持 disk

PR 改动很小，不需要精读。值得留意的设计决策是：当代码功能被移除（#2089）而文档未同步时，决策表会继续推荐一条不存在的路径；本次通过“明确说明当前契约 + 声明不修复历史问题”的方式完成对齐。若关注 external rollout engine 的权重同步演进（#1806 引入 → #2089 移除 → #2209 报告 NaN → #2312 清理文档），可以顺着这条链路做复盘。

新增 observability 子模块并迁移日志指标工具

值得作为大型 Python 项目做 NFC 结构整理的参考案例浏览。重点关注三点：一是新建子包时如何通过 rename 保留 git 历史；二是跨模块搬移后如何通过 import 集中更新与测试迁移保证行为不变；三是 rollouts_metrics 与 train_metric_utils 的职责划分（rollout 侧指标 vs 训练侧归约）可复用到其他 RL 训练框架。对功能理解而言本 PR 无新逻辑，不必深入精读每个函数。

参数解析阶段拒绝非正 rollout 温度，拦截非法 RL 采样配置

值得快速浏览。改动虽小，但体现了“非法配置在参数解析阶段拒绝，而不是在训练逻辑里隐式兜底”的工程决策，PR body 对 greedy 温度为什么不是合法 RL 策略的解释清晰；配合 #2236、#2276 可看到 slime 在参数校验层持续加固的趋势。

修复 OPD 教师温度硬编码为 0 的问题

该 PR 不建议精读，但其讨论过程值得关注，特别是关于 SGLang 温度对 input logprob 影响的澄清，以及最终引导至 PR#2325 的正确修复。

修复 PPO 原地修改 KL 张量导致日志指标失真

值得精读。这是一个典型的「Python 原地修改导致别名污染」bug：表面只改了几行，但根因是共享引用被隐式写入。建议关注两点：一是 out-of-place 修复如何在保持训练语义不变的前提下修正日志数据契约；二是回归测试用 `sys.modules` monkeypatch 构造 megatron 桩的手法，可用于同类依赖重型后端的单测场景。