THUDM/slime

修复 debug-train-only 模式下 spec metrics 读取失败 bug

建议立即合并。这是一个低风险、高价值的 bugfix，修复了文档中明确推荐的调试模式中的崩溃问题。虽然改动微小，但解决了实际痛点，值得注意其防御性编程模式（使用 `getattr` 处理可选命令行参数）。

支持训练过程中动态变化的全局 batch size

值得精读，尤其关注 loss scaling 和 LR increment 的传递链路；对于参与训练核心开发的同学，理解 `global_batch_sizes` 的引入意图对后续合入 uneven-DP 特性很有帮助。

调换配置项赋值顺序以节省主机内存

建议融合，修复明确，改动极小。可作为配置逻辑正确性的教学案例。

将微批次调度从训练侧移至rollout侧，全局优化bin packing。

值得精读，特别是 `slime/utils/dp_schedule.py` 的设计思路和 `tests/test_dp_schedule.py` 中不变量断言。需要关注： - 如何将纯逻辑从框架依赖中拆解出来（纯函数 + CPU 测试）。 - `expand_bins_by_splitting` 如何保持 bin 容量约束。 - 统一 static 和 dynamic 路径的 `micro_batch_indices` 数据契约。

升级 torch_memory_saver 减少主机内存占用

推荐精读，特别是 megatron.patch 中如何通过 TMS 的 region 替换现有缓冲区分配逻辑、以及 disable_grad_buffers_cpu_backup 与 nccl_ub 的互斥设计。该 PR 展示了深度集成第三方内存管理库以优化训练内存的典型模式。

新增流式生成示例，支持 abort 时保留部分状态

建议阅读 `slime/rollout/sglang_streaming_rollout.py` 中基于 base snapshot + chunk delta 的增量状态累加设计，该模式在需要中断恢复的场景下值得推广。

将 fully_async rollout 从示例迁移至主代码库，新增 slime.rollout.fully_async_rollout 模块

值得精读，展示了如何将实验性代码正式合入主库的标准化流程：代码迁移、类型标注增强、测试配套、文档更新、CI 集成。其中全局 worker 单例和 ABORTED 样本重定向的设计值得借鉴。

为 critic 角色添加独立的 W&B 配置记录

此 PR 代码清晰，改动集中，无显著风险。推荐合并后同步更新用户文档，说明 W&B 配置记录的变更。