slime-user

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.

Руководство по использованию SLIME (среда постобучения LLM для масштабирования RL). Используйте при работе с SLIME для обучения языковым моделям с подкреплением, включая настройку, конфигурацию, выполнение обучения, многоходовые взаимодействия, пользовательские модели вознаграждения, сценарии вызова инструментов или устранение неполадок в рабочих процессах SLIME. Охватывает GRPO, GSPO, PPO, Reinforce++, многоагентное RL, обучение VLM, серверные части FSDP/Megatron, интеграцию SGLang, динамическую выборку и функции пользовательской генерации. Источник: yzlnew/infra-skills.