slime-user

SKILL.md

SLIME is an LLM post-training framework for RL Scaling developed by THUDM. It supports various RL algorithms (GRPO, GSPO, PPO, Reinforce++), multiple training backends (Megatron, FSDP), and advanced features like multi-turn interactions, tool calling, and dynamic sampling.

SLIME has extensive documentation. Use this guide to find what you need quickly.

For detailed navigation of all documentation, see references/docnavigation.md.

SLIME (RL スケーリング用の LLM ポストトレーニング フレームワーク) の使用ガイド。セットアップ、構成、トレーニングの実行、マルチターン インタラクション、カスタム報酬モデル、ツール呼び出しシナリオ、SLIME ワークフローのトラブルシューティングなど、言語モデルの強化学習トレーニングのために SLIME を使用する場合に使用します。 GRPO、GSPO、PPO、Reinforce++、マルチエージェント RL、VLM トレーニング、FSDP/Megatron バックエンド、SGLang 統合、動的サンプリング、カスタム生成機能をカバーします。 ソース: yzlnew/infra-skills。

原文を見る