THUDM/slime

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。

修复 `exec_and_wait` 同 tag 二次调用静默复用旧结果的问题

该 PR 值得精读，尤其是根因分析和修复取舍：`mkdir` guard 的传输级去重与逻辑调用级清理如何解耦。对于依赖 `exec_and_wait` 的 agent 代码，建议检查是否有同 tag 重叠调用的隐患，并确认第三方 sandbox 实现已接受 `idempotent` 参数。测试中的 `ShellFakeSandbox` 设计（解释 shell 字符串而非逐命令 mock）也值得借鉴。

修复 load_other_checkpoint 未还原 args.ckpt_step 导致后续加载错迭代

建议合入此修复，因为它修复了一个静默的错误权重加载问题，且改动简单、逻辑清晰。值得关注的设计是使用 `old_args` 元组统一保存和还原多个参数，这是该模式的一次合理扩展，也提示团队在未来修改 `load_other_checkpoint` 时注意参数生命周期的管理。

修复外部引擎 debug_rollout_only 下 placement group 崩溃

该 PR 属于针对特定调试模式的 bugfix，建议合入。虽然代码变更简单，但涉及 placement group 布局，可能影响训练资源分配，值得快速审查。可关注后续是否有类似组合的其他布局问题。

修复多head MTP训练日志崩溃

该PR值得精读，因为它修复了多head MTP训练的关键bug。设计决策上，采用保留向量并分别记录每个head loss的方式，为后续分析提供了更细粒度的信息。建议补充单元测试覆盖多head MTP场景，防止回归。

澄清 PPO/Critic 文档：共享 GPU 与 --megatron-config-path

值得快速浏览，重点是 PPO 资源分配的新说明和 --megatron-config-path 的角色覆盖方式；纯文档变更，无需精读，但可作为配置 PPO 时的参考手册。