THUDM/slime

更新 Docker 中 torch_memory_saver 版本

简单依赖升级，可快速合并。建议关注该版本更新带来的功能变化。

加固 retool 多轮 rollout，防止样本状态不同步

建议使用 retool 的团队立即合并此 PR，并关注 ABORTED 样本率的监控指标。该 PR 的设计思路（在关键点维护数据不变量并优先安全中止而非静默错误）值得在其他自定义 rollout 生成函数中借鉴。

将 Megatron TP 梯度归约从单一大 buffer 改为分块 all-reduce，避免大模型下 OOM

建议精读此 PR，尤其是 `_split_into_chunks` 贪心分块策略、`_grad_attr` 和 `_fsdp_flag` 的跨版本兼容写法，以及 monkey-patch 嵌入方式。这些设计模式可复用于其他 Megatron 内部函数修补场景。

修复测试合约未同步新参数签名

值得快速合并。该 PR 是典型的 CI 同步修复，无设计争议。对于关注插件系统的开发者，可借此理解 Slime 的合约测试机制：每个插件点都有对应的 `reference_*` 函数、`invoke_*` 调用和 `HookCase` 配置，用于在 CI 中验证调用签名稳定性。

修复分布式 POST 每 actor 并发计算错误

值得合并：一个明确的 bugfix，逻辑正确，改动精简，风险低。建议阅读 `slime/utils/http_utils.py` 中的 `_init_ray_distributed_post` 函数，理解 actor 拓扑与并发分配的关系。

新增训练进度条和 on-policy 优化

值得精读，特别是 on-policy 跳过 logprob 的条件设计，展示了如何在保证正确性的前提下进行性能优化。建议添加单元测试覆盖关键条件组合。

限制 --allgather-cp 仅用于 DSA 模型，防止 token 错乱

值得精读。展示了从静默 bug 报告到前置验证修复的完整过程。重点学习 _validate_allgather_cp_supported 函数的防御性设计（快速返回、明确异常、可扩展白名单），以及测试模块如何通过 monkeypatch 模拟重型依赖进行纯单元测试。

修复安装脚本中 SLIME_DIR 路径错误

该 PR 为一个简单直接的 bug 修复，逻辑清晰，可安全合并。对于不直接使用 build_conda.sh 的开发者影响很小。