THUDM/slime

参数解析阶段拒绝非正 rollout 温度，拦截非法 RL 采样配置

值得快速浏览。改动虽小，但体现了“非法配置在参数解析阶段拒绝，而不是在训练逻辑里隐式兜底”的工程决策，PR body 对 greedy 温度为什么不是合法 RL 策略的解释清晰；配合 #2236、#2276 可看到 slime 在参数校验层持续加固的趋势。

修复 OPD 教师温度硬编码为 0 的问题

该 PR 不建议精读，但其讨论过程值得关注，特别是关于 SGLang 温度对 input logprob 影响的澄清，以及最终引导至 PR#2325 的正确修复。

修复 PPO 原地修改 KL 张量导致日志指标失真

值得精读。这是一个典型的「Python 原地修改导致别名污染」bug：表面只改了几行，但根因是共享引用被隐式写入。建议关注两点：一是 out-of-place 修复如何在保持训练语义不变的前提下修正日志数据契约；二是回归测试用 `sys.modules` monkeypatch 构造 megatron 桩的手法，可用于同类依赖重型后端的单测场景。

eval-only 跳过优化器与调度器构建

该 PR 值得精读，尤其是“为什么不用 train_iters=1”的设计权衡。建议在合入后补一条 CPU 侧测试：断言 num_rollout == 0 时 setup_model_and_optimizer 返回 (model, None, None)、create_training_models 不分配 critic，并验证正常训练路径仍构造 optimizer 与 scheduler。

整理 GLM-5 逐层比较脚本并移除冗余依赖

该 PR 值得快速浏览，核心价值在于目录职责划分与依赖精简。阅读重点：(1) `tests/glm52_layerwise_comparator.py` 与 `test_glm52_6layer_deterministic_e2e.py` 中调用方式的变化；(2) 确认 `ring_flash_attn` 是否确无引用。不建议深入学习，因为不涉及算法或架构改动。

新增加速器抽象层，支持 MUSA 后端并保持 CUDA 兼容

值得精读，尤其 `slime/utils/accelerator/__init__.py` 的选择编排与 `musa_patch` 引导时序、`base.py` 的 `resolve_visible_device_id`（可见设备映射是厂商差异核心）、`reloadable_process_group.py` 的 backend 归一化。建议后续补充“后端接入指南”文档，并规划 MUSA/MCCL 端到端验证（至少一条 SMOKE 路径），以确认 `musa_patch` 引导、权重更新组 `cpu:gloo,musa:mccl` 与 teardown 顺序在真实硬件上的正确性。关注 `is_accelerator_backend` 与 `process_group_backend` 对复合 backend 字符串的处理。

修复旧版 SGLang 参数别名与 router 选项兼容性

值得快速阅读的小型兼容性修复。核心可借鉴点是：跨版本依赖适配时用 `hasattr` 做能力探测并降级为 warning，而不是硬假设 API 恒存在。同时建议关注两个遗留点：`validate_args` 在跳过别名归一化后仍直接访问 `args.sglang_pp_size` 的潜在 `AttributeError`，以及缺失 `disable_health_check` 时 router 健康检查语义变化；若团队需长期支持旧版 SGLang，应补充一个 mock 旧版属性的回归测试。

新增 --save-debug-train-data 与 rollout 路径冲突校验

该 PR 值得快速 review，逻辑简单清晰，测试覆盖到位。可关注点：校验位置是否覆盖所有设置路径（如 `--dump-details` 间接设置），以及是否需要在文档中提及该限制。