THUDM/slime

重构 --save-debug-train-data 为单文件转储并支持 CP 恢复

值得精读。重点看 `restore_context_parallel_fields_to_cpu` 的逐 sample gather 与显存控制、`policy_loss_function` 中的捕获钩子设计，以及 `_build_dump_payload` 的排序与布局。对需要扩展训练数据转储或理解 Megatron 后端 CP/PP 数据流转的工程师有直接参考价值。

扩展 NPU 补丁以括号包裹 IPv6 地址

建议精读该 PR 以理解 NPU 补丁的维护方式，关注 _wrap_ipv6 的实现和补丁的版本兼容性。

修复 eval.defaults 丢键与 per-dataset stop 失效

值得精读。这是一个高信号的配置解析 bugfix：`slime/utils/eval_config.py` 中反射校验 + setdefault 兜底的做法，以及 `slime/rollout/sglang_rollout.py` 中采样参数的三级回退，都是可复用的防御式配置设计。建议重点阅读 `build_eval_dataset_configs` 的完整实现、`DATASET_RUNTIME_SPECS` 的新增条目，以及 `tests/test_eval_config.py` 对契约的表述；合并后顺手核对仓库内现有 `eval.defaults` 配置是否存在拼写错误键。该 PR 也是很好的教学案例：说明 spec 表模式在字段漏配时如何静默失败，以及如何用反射消除硬编码清单。

修复全异步 rollout 丢弃已完成组并解除事件循环阻塞

值得精读。该 PR 是典型的“两个缺陷相互耦合、需联动修复”的案例，其背压转移设计（将有界队列改为无界、在生产者侧用 qsize 门控）是一个可复用的异步队列模式。建议关注 `get_completed_groups` 的 limit 语义与 `_loop` 门控条件，理解为何“无界队列 + 显式门控”优于“有界队列 + 阻塞 put”在事件循环线程中的表现。

修复 tau-bench 推理模板令牌增量与掩码错误

值得精读。该 PR 展示了处理『聊天模板重写历史』和『多轮生成前缀掩码』的完整思路，尤其是 fail-closed 设计、独立渲染单条消息并校验后缀、以及用掩码而不是删除来保留生成前缀的做法。对使用 Qwen3 推理模板的 tau-bench 类多轮训练场景具有直接参考价值。

修复校验覆写显式 --start-rollout-id 参数的问题

值得快速审阅，属于典型的参数覆盖 bugfix，修改直观且测试覆盖良好。可关注参数校验的既定设计，以及后续是否有类似被无条件覆盖的 fallback 参数。

修复 CP 下 advantage 归一化错用进程组的问题

值得精读。核心改动只有一行进程组参数与一处守卫删除，但 PR body 提供了完整的根因分析、数值验证和死锁论证，展示了分布式训练中集体操作进程组语义的调试方法论。测试设计（gloo 多进程 + 枚举 DP/CP 分解 + 空 mask 场景 + 有界 join）是分布式回归测试的范例，可复用到其他跨 rank 统计逻辑。建议重点关注 `loss.py` 中 `distributed_masked_whiten` 调用段及其注释，以及测试对空 mask 场景的处理。

修复 --log-correct-samples 在 DP>1 下的 IndexError 与错配

值得精读。这是一个典型的“全局与本地数据视图分离”的 bugfix，修复思路清晰：不破坏 pass@k 的全局分组需求，而是新增位置对齐的本地视图。重点关注 slime/utils/data.py 中 local_raw_reward 的派生方式、log_rollout_data 中的消费变更，以及测试对 dp1-permuted 的覆盖——这揭示了 first-fit packing 下 DP=1 也会错配的隐蔽点。附带的发现（--log-correct-samples 指标从未输出）值得跟进，但不在本 PR 内解决。