slime

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Python 环境（项目开发语言为 Python）
• 需准备 Megatron 训练侧环境
• 需准备 SGLang 推理/rollout 侧环境
• 按官方 Quick Start 文档完成环境准备与数据准备

安装与启动步骤

1. 1克隆代码仓库

   从 GitHub 拉取 slime 源码到本地，后续所有文档与示例都在仓库目录内。

   git clone https://github.com/THUDM/slime.git

   复制

2. 2阅读快速开始

   README 未直接给出安装命令，环境搭建、数据准备、训练启动均以官方 Quick Start 文档为准。

3. 3查看示例用例

   examples 目录提供快速开始未覆盖的使用案例，可按自己的训练场景参考。

4. 4运行代码风格检查

   README 给出的唯一可执行命令，提交前运行以保证代码风格一致。需先安装 pre-commit。

   pre-commit run --all-files --show-diff-on-failure --color=always

   复制

5. 5透传引擎原生参数

   SGLang 参数加 --sglang- 前缀即可使用；Megatron 参数被 slime 直接读取，无需包装代码。

6. 6按需扩展配置

   多轮/Agentic 场景可参考 PD 分离、SGLang YAML 配置、外部 rollout 引擎、增量权重同步等文档。

关键配置

如何确认成功

按官方 Quick Start 文档跑通示例训练，能看到 rollout、数据生成与训练流程正常输出即视为成功。

常见问题

注意事项

• README 未给出具体安装命令，真实安装步骤请以官方 Quick Start 文档为准。
• 推理侧只选用 SGLang 作为单一 rollout 后端，深度优化其 serving、路由、缓存与权重同步能力。
• 生产环境训练/推理解耦、跨不同 GPU 型号部署时，可参考外部 rollout 引擎与从磁盘做全量/增量权重更新。
• 提交代码前请运行 pre-commit 保证风格一致，调试问题可参考 Debugging Guide。