slime 文档 ==================== slime 是一个面向 RL Scaling 的 LLM 后训练框架，提供两大核心能力： - 高性能训练：通过连接 Megatron 与 SGLang，支持多种模式下的高效训练； - 灵活的数据生成：通过自定义数据生成接口与基于服务器的引擎，实现任意训练数据生成流程。 slime 的设计目标，是让这两大能力彼此强化，同时避免把系统变成一组割裂的 trainer、rollout service 和 agent framework。Megatron training、SGLang rollout、custom data generation、reward computation、verifier feedback 和 environment interaction 都流经同一条 training / rollout / Data Buffer 路径。 这让 slime 成为最经受实战验证的开源 RL post-training 框架之一：它足够轻量、清晰、易扩展，同时也经过了 SOTA 级模型发布背后的完整训练闭环验证。 为什么这个设计重要 ------------------ - **经过 frontier model 训练验证**：slime 是 `GLM-5.2 `_、`GLM-5.1 `_、`GLM-5 `_、`GLM-4.7 `_、`GLM-4.6 `_、`GLM-4.5 `_ 背后的 RL 训练框架。 - **从设计开始就是 native**：slime 直接透传 Megatron 参数，并通过 ``--sglang-`` 前缀暴露当前安装版本 SGLang 支持的参数。新的上游训练和 serving 优化可以直接使用，不需要在 slime 里再加一层 wrapper。 - **专注 SGLang rollout**：slime 有意选择单一 rollout backend，避免为了同时兼容多个 inference engine 而被迫抽象成 lowest-common-denominator 的公共能力子集，从而可以直接发挥 SGLang-specific 的 serving、routing、caching、disaggregation 和 weight-sync 能力。 - **Agentic workflow 就是数据生成**：tool use、sandbox interaction、verifier reward、environment feedback、multi-agent loop 和 long-horizon agentic workflow 都接入同一条 training / rollout / Data Buffer 路径，而不是 fork training kernel。 - **BF16 训练 + FP8 rollout**：大规模 MoE recipe 使用 Megatron BF16 training state 搭配 SGLang FP8 rollout/inference；long-context rollout 还可以通过 ``--sglang-kv-cache-dtype fp8_e4m3`` 提升有效 KV cache 容量。 - **作为 RL 基础设施来测试**：CPU correctness tests 默认运行，GPU e2e tests 覆盖真实 Megatron + SGLang training/rollout 路径，包括 dense/MoE recipe、async rollout、SGLang config、checkpoint、precision 和 debug replay。详见 :doc:`developer_guide/ci`。 生产验证 -------- 除 GLM 系列之外，slime 还支持： - Qwen 系列 (Qwen3.6, Qwen3.5, Qwen3Next, Qwen3MoE, Qwen3, Qwen2.5)； - DeepSeek V3 系列 (DeepSeek V3, V3.1, DeepSeek R1)； - Llama 3。 按使用场景开始 -------------- - 第一次使用 slime：:doc:`get_started/quick_start` - 配置 training 和 rollout 参数：:doc:`get_started/usage` - 添加 custom generation、reward 或 rollout function：:doc:`get_started/customization` - 构建 agentic RL workflow：:doc:`get_started/agent` - 配置生产级 SGLang rollout topology：:doc:`advanced/sglang-config` - 接入 external rollout engines：:doc:`advanced/external-rollout-engines` - 使用 PD disaggregation：:doc:`advanced/pd-disaggregation` - 使用 BF16 训练 + FP8 rollout 或 FP8 KV cache：:doc:`advanced/low-precision` - 使用 delta weight sync：:doc:`advanced/delta-weight-sync` - 了解 CI 和可靠性覆盖：:doc:`developer_guide/ci` - 调试、trace 和 profiling 长时间任务：:doc:`developer_guide/debug`、:doc:`developer_guide/trace`、:doc:`developer_guide/profiling` .. toctree:: :maxdepth: 1 :caption: 开始使用 get_started/quick_start.md get_started/usage.md get_started/customization.md get_started/agent.md get_started/qa.md .. toctree:: :maxdepth: 1 :caption: Dense examples/qwen3-4B.md examples/gemma4.md examples/glm4-9B.md .. toctree:: :maxdepth: 1 :caption: MoE examples/glm4.7-30B-A3B.md examples/qwen3-30B-A3B.md examples/glm5.2-744B-A40B.md examples/glm4.7-355B-A32B.md examples/deepseek-r1.md .. toctree:: :maxdepth: 1 :caption: 高级特性 advanced/on-policy-distillation.md advanced/speculative-decoding.md advanced/low-precision.md advanced/reproducibility.md advanced/fault-tolerance.md advanced/observability.md advanced/pd-disaggregation.md advanced/external-rollout-engines.md advanced/delta-weight-sync.md advanced/sglang-config.md advanced/megatron-config.md advanced/arch-support-beyond-megatron.md .. toctree:: :maxdepth: 1 :caption: 其他用法 examples/qwen3-4b-base-openhermes.md _examples_synced/search-r1/README.md _examples_synced/fully_async/README.md _examples_synced/retool/README.md _examples_synced/multi_agent/README.md _examples_synced/coding_agent_rl/README.md .. toctree:: :maxdepth: 1 :caption: 开发指南 developer_guide/ci.md developer_guide/debug.md developer_guide/trace.md developer_guide/profiling.md .. toctree:: :maxdepth: 1 :caption: 博客 blogs/release_v0.1.0.md blogs/introducing_slime.md