THUDM/slime

在conda构建脚本中添加自定义sgl-router安装命令以支持R3功能。

该PR变更简单直接，无需深入代码审查。建议： 1. **基础设施维护者**：关注该行命令的长期维护，未来sgl-router更新时需同步更新版本。 2. **新用户**：如果遇到conda环境构建问题，可检查该依赖安装是否成功。 3. **架构学习者**：可结合PR #1773（移除slime_router）和PR #1770（切换Docker依赖）理解完整的router架构迁移脉络。

修复Megatron训练中found_inf=True时grad_norm未初始化导致的UnboundLocalError。

该PR变更简单直接，适合快速浏览以了解Megatron训练中异常处理机制。值得关注的是，它揭示了梯度检查与训练步骤之间的耦合关系，以及如何通过变量初始化避免边界条件错误。对于维护类似训练循环的工程师有参考价值。

在权重转换工具中添加从原始HF检查点补充缺失权重的功能，提升Qwen3.5模型转换完整性。

该PR值得关注其设计思路：通过维护已转换权重名称集合和从原始检查点补充缺失项的方式，优雅地解决了部分权重转换问题。建议精读save_tensors函数中新增的权重补充逻辑，理解其如何保持转换完整性同时避免重复。

修复GPT模型前向传播中position_ids参数缺失导致的TypeError。

该PR值得快速浏览以了解回归修复模式。关注点： 1. 学习如何通过添加默认参数（position_ids: None）解决前向签名不匹配问题。 2. 结合PR #1807分析重构引入的副作用，理解Megatron模型前向参数构建的演进。 3. 对于涉及核心训练路径的变更，建议补充单元测试以避免类似回归。

添加NPU补丁以支持Qwen3-VL-8B模型的GRPO和PPO训练。

该PR值得精读，特别是对于涉及硬件适配或多模态训练的工程师。重点关注： 1. `slime.patch`中的资源分配逻辑变更，如Ray API替换，这可能影响分布式训练稳定性。 2. 补丁中的手动代码替换（如cuda→npu），需理解其背后的兼容性设计决策。 3. 环境配置和版本依赖，以评估部署可行性。建议结合README.md进行实操验证。

重构Megatron模型forward参数构建逻辑，提升多模态训练兼容性。

该PR值得精读，尤其是关注forward_kwargs字典构建模式的设计决策。这种重构提升了代码可维护性，并为多模态输入扩展提供了更清晰的接口。建议结合PR #1760（多模态OPD支持）理解上下文。

同步内部代码，优化多模态模型支持和 SGLang rollout 数据并行平衡。

建议工程师精读以下部分： - slime/backends/megatron_utils/model_provider.py 中的可调用 spec 处理，了解如何扩展模型支持以适配新架构。 - slime/rollout/sglang_rollout.py 的 dp_rank_context 实现，学习负载均衡设计模式。 关注风险点，确保在测试环境中验证新功能，并考虑补充相关单元测试。

修复损失计算内存溢出，优化PPO熵计算和Megatron损失路径。

建议工程师精读此PR，特别是熵梯度控制设计和checkpointing优化，这些是内存优化中的常见技巧。同时关注Copilot指出的潜在正确性问题，以确保变更不影响训练稳定性。