分析结果尚未生成。
THUDM/slime
slime is an LLM post-training framework for RL Scaling.
PR 列表
2026-10-07
分析结果尚未生成。
2026-10-02
#2434 fix(ppo): avoid top-p replay for reference logprobs
原始 PR · 作者 Beverly621 · 合并时间 2026-10-02 19:52
分析结果尚未生成。
分析结果尚未生成。
2026-09-30
分析结果尚未生成。
2026-09-29
分析结果尚未生成。
2026-09-28
分析结果尚未生成。
#2424 feat(accelerator): add Ascend NPU backend
原始 PR · 作者 ke-working · 合并时间 2026-09-28 12:51
分析结果尚未生成。
参与讨论