slime

收录理由

给大模型做强化学习后训练，通常要把训练器、采样服务和自己的奖励逻辑手动拼起来，工程量大且容易出错。slime 把这些收敛到一个代码库里：Megatron 负责高吞吐训练，SGLang 负责生成 rollout，而采样、奖励计算、环境交互都走同一条显式数据管道，不再需要在多个孤立服务之间来回搬运数据。想扩展工具调用或多智能体流程时，只需作为数据生成或奖励组件接入，训练核心不用动。这个框架支撑了 GLM-4.5 到 GLM-5.2 的发布，也兼容 Qwen、DeepSeek、Llama 系列，说明完整的训练到服务链路经受过真实规模检验。对于研究团队和平台工程师来说，与其去读抽象的设计文档，不如直接拿这个经过实战验证、结构清晰的项目作为起点。