THUDM/slime

项目概览

slime 是一个轻量级的强化学习后训练框架，连接 Megatron 训练与 SGLang rollout，已在 GLM 系列模型发布中得到验证。

项目类型

AI Agent · 模型开发 · 模型运行

应用场景

自动化执行

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要使用 Megatron 与 SGLang 路径进行大规模强化学习后训练的 AI 工程师和研究人员。

核心能力

• 通过将 Megatron 与 SGLang 相连接，支持多种模式下的训练任务。
• 通过自定义数据生成接口和基于服务器的引擎，支持任意的训练数据生成工作流。
• 直接透传 Megatron 参数，并以 `--sglang-` 前缀暴露已安装的 SGLang 参数。
• 支持 PD 分离架构，适用于具有不同预填充与解码资源需求的多轮对话和智能体工作负载。
• 提供了多智能体 rollout、搜索/RAG 风格多轮生成、全异步 rollout 以及 SWE 编码智能体强化学习的示例。

限制与风险

• 该框架深度优化并绑定 SGLang 作为唯一的 rollout 后端，不支持接入其他推理引擎。

如何开始

• 上手难度较大，使用者需要理解强化学习原理，并具备通过命令行参数配置 Megatron 与 SGLang 的能力；在启动训练前还需完成环境搭建与数据准备工作。

核验依据

• GitHub 项目简介: slime is an LLM post-training framework for RL Scaling.
• README: slime's design goal is to make these two capabilities reinforce each other without turning the system into a heavy stack of disconnected trainers, rollout services, and agent fram…
• README: slime is the RL framework behind GLM-5.2, GLM-5.1, GLM-5, GLM-4.7, GLM-4.6, and GLM-4.5.
• README: Lightweight and opinionated: slime focuses deeply on the Megatron + SGLang path used for large-scale RL.
• README: Beyond the GLM family, slime also supports: - Qwen series: Qwen3.6, Qwen3.5, Qwen3Next, Qwen3MoE, Qwen3, Qwen2.5; - DeepSeek V3 series: DeepSeek V3, V3.1, DeepSeek R1; - Llama 3.

内容核验时间：