8.0 KiB
Slime:高性能 RL 训练框架(v0.1.0)
slime
slime 是为 RL scaling 设计的 LLM post‑training 框架,提供两大核心能力:
- 高性能训练:通过连接 Megatron 与 SGLang,支持各种模式的高效训练;
- 灵活的数据生成:通过自定义数据生成接口以及 server based engine,实现任意的数据训练数据生成流程。
slime 是 GLM-5、GLM-4.7、GLM-4.6、GLM-4.5 背后的 RL 训练框架,除此之外,slime 还支持:
- Qwen3 系列 (Qwen3Next, Qwen3MoE, Qwen3), Qwen2.5 系列;
- DeepSeek V3 系列 (DeepSeek V3, V3.1, DeepSeek R1);
- Llama 3。
博文
- 我们的愿景:slime:为 RL Scaling 设计的 SGLang-Native 后训练框架
- 关于纯异步 agentic 训练的一些想法:Agent-Oriented Design: An Asynchronous and Decoupled Framework for Agentic RL
- v0.1.0 日志:slime v0.1.0: 重新定义高性能 RL 训练框架
目录
架构总览
模块说明:
- training (Megatron):负责主训练流程,从 Data Buffer 读取数据,训练完后将参数同步至 rollout 模块;
- rollout (SGLang + router):生成新数据(含 reward/verifier),存储至 Data Buffer;
- data buffer:桥梁模块,管理 prompt 初始化、自定义数据与 rollout 生成方法。
快速开始
有关环境配置、数据准备、训练启动和关键代码分析的完整快速开始指南,请参考:
我们还提供了一些未在快速开始中覆盖的使用示例,请查看 examples。
参数说明
参数分为三类:
- megatron 参数:slime 会读取
PYTHONPATH中的 megatron 里设置的所有参数,可以通过传入如--tensor-model-parallel-size 2的方式配置 megatron; - sglang 参数:支持环境中安装的 sglang 的所有参数,这些参数需要以
--sglang起始,例如--mem-fraction-static需要通过--sglang-mem-fraction-static传入。 - slime 自身的参数:请见:slime/utils/arguments.py
完整使用说明请查阅 使用文档。
开发指南
-
欢迎贡献! 若有功能建议、性能调优或使用体验反馈,欢迎提交 Issue / PR 😊
-
使用 pre-commit 保证提交代码风格:
apt install pre-commit -y pre-commit install # 运行 pre-commit 保证代码风格 pre-commit run --all-files --show-diff-on-failure --color=always -
调试技巧请参考 debug 指南
常见 Q&A 与致谢
-
常见问题请见 Q&A
-
特别感谢以下项目 & 社区:SGLang、Megatron‑LM、mbridge、OpenRLHF、veRL、Pai-Megatron-Patch 等。
-
引用 slime 请使用:
@misc{slime_github,
author = {Zilin Zhu and Chengxing Xie and Xin Lv and slime Contributors},
title = {slime: An LLM post-training framework for RL Scaling},
year = {2025},
howpublished = {\url{https://github.com/THUDM/slime}},
note = {GitHub repository. Corresponding author: Xin Lv},
urldate = {2025-06-19}
}
从提供的代码库文件和相关信息来看,slime 是由 THUDM(清华大学数据科学研究院)开发的一个高性能强化学习(RL)训练框架,聚焦于大语言模型(LLM)的 RL 训练场景,以下是核心信息梳理:
一、核心定位
slime 主打高性能、高正确性的 RL 训练能力,尤其针对大模型(如 GLM4 9B、Qwen3 30B-A3B、glm4.5-106B-A12B、kimi-k2 等)的 RL 训练做了深度优化,提供端到端的正确性验证和高效的训练基础设施。
二、关键特性
-
正确性保障
-
端到端 CI 验证:每个 PR 会运行单机 GLM4 9B/Qwen3 30B-A3B 训练,强制校验核心指标(如第一个 rollout 的 log prob 与参考模型完全一致、首个训练步的 ppo_kl 严格为 0)。
-
严格的数值一致性校验,避免训练过程中的精度偏差。
-
-
大模型适配
-
支持多款大模型配置(MIMO-7B、GLM4.5-106B-A12B、Kimi-K2 等),适配 MoE(混合专家)架构、Group Query Attention、RoPE 位置编码、RMSNorm 归一化等主流大模型组件。
-
提供精细化的模型参数配置(如专家数量、路由策略、FFN 维度、注意力头数等)。
-
-
高性能优化
-
内存管理:通过
release_memory_occupation/resume_memory_occupation接口优化 KV 缓存内存占用,支持 NCCL 通信暂停/恢复以适配资源调度。 -
混合精度训练:RMSNorm 支持 float32 权重、输入类型转换等精度控制,适配 RL 训练的数值稳定性需求。
-
分布式通信:基于 NCCL 实现高效的张量并行/流水线并行通信,适配大模型分布式训练。
-
-
安全与工具链
-
内置 Python 沙箱(
PythonSandbox):限制危险操作(如os/subprocess导入、eval/exec执行),仅允许数学/数据结构类模块,保障代码执行安全。 -
完善的文档构建流程:支持中英文双语文档(en/zh),基于 Sphinx 构建,提供本地预览脚本(
serve.sh)。
-
三、核心文件/脚本说明
| 文件/脚本 | 功能 |
|---|---|
scripts/models/ |
各大模型(GLM4.5、Kimi-K2、MIMO-7B)的训练参数配置脚本 |
docs/ |
文档构建脚本(build.sh/build_all.sh/serve.sh)+ 配置(conf.py) |
docker/ |
镜像补丁(sglang 适配)、版本管理、环境配置 |
slime/utils/ |
工具函数包 |
examples/retool/ |
工具沙箱、示例代码 |
setup.py |
自定义 Wheel 打包逻辑,适配不同系统(Linux/macOS)的包分发 |
LICENSE |
Apache 2.0 开源协议,允许商用、修改、分发(需保留版权声明) |
四、快速上手
1. 文档预览
# 安装文档依赖
apt-get update && apt-get install -y pandoc parallel retry
pip install -r docs/requirements.txt
# 构建中英文文档
cd slime/docs
./build_all.sh
# 本地预览(默认 8000 端口)
./serve.sh all # 或指定语言:./serve.sh en/zh
2. 核心依赖
-
基础:Python 3.x、PyTorch、NCCL(分布式通信)
-
文档:Sphinx、sphinx-book-theme、myst-parser
-
训练:transformers、triton、torch 等(
autodoc_mock_imports中可见核心依赖)
五、开源协议
采用 Apache License 2.0,允许:
-
免费使用、修改、分发(商业/非商业);
-
衍生作品需保留原版权声明、修改说明;
-
专利授权(但发起专利诉讼则授权终止);
-
无担保(AS IS),作者不承担使用风险。
六、适用场景
-
大语言模型的 RLHF/RLAIF 训练;
-
强化学习(RL)的规模化训练(scaling);
-
MoE 架构大模型的高效训练与验证。
如果需要更具体的使用指南(如训练脚本运行、环境搭建、二次开发),可参考项目 docs/ 目录下的中英文文档,或关注项目的 release 版本(当前标注为 v0.1.0,聚焦 RL 训练框架的基础能力)。
