SKILL

post-training-slime

指导使用 Megatron+SGLang 框架 slime,通过强化学习(RL)进行 LLM 后训练。适用于训练 GLM 模型、实现自定义数据生成工作流,或需要与 Megatron-LM 紧密集成以扩展 RL 的情况。

译文已校对
查看英文原文

Provides guidance for LLM post-training with RL using slime, a Megatron+SGLang framework. Use when training GLM models, implementing custom data generation workflows, or needing tight Megatron-LM integration for RL scaling.

适用对象:学习与科研。自动收录 · 待核查。

原作者说明节选

从固定版本的 SKILL.md 提取,保留原文语言。以下内容属于作者说明,本站尚未验证安装、兼容或运行结果。

查看英文原文

原文涵盖的主题

  • slime: LLM Post-Training Framework for RL Scaling
  • When to Use slime
  • Key Features
  • Architecture Overview
  • Installation
  • From Source
  • Quick Start: GRPO Training
  • Workflow 1: Standard GRPO Training

slime is an LLM post-training framework from Tsinghua's THUDM team, powering GLM-4.5, GLM-4.6, and GLM-4.7. It connects Megatron-LM for training with SGLang for high-throughput rollout generation. Choose slime when you need: Megatron-LM native training with SGLang inference Custom data generation workflows with flexible data buffers Training GLM, Qwen3, DeepSeek V3, or Llama 3 models Research-grade framework with production backing (Z.ai) Consider alternatives when: You need enterprise-grade stability features → use miles You want flexible backend swapping → use verl You need PyTorch-native abstractions → use torchforge Training: Megatron-LM with full parallelism support (TP, PP, DP, SP) Rollout: SGLang-based high-throughput generation with router Data Buffer: Flexible prompt management and sample storage Models: GLM-4.x, Qwen3, DeepSeek V3/R1, Llama 3 -- Use this workflow for training reasoning models with group-relative advantages. [ ] Docker environment or Megatron-LM + SGLang installed [ ] Model checkpoint (HuggingFace or Megatron format) [ ] Training data in JSONL format Or with chat format: Choose a pre-configured model script: [ ] Check TensorBoard: tensorboard --logdir outp

这里只展示节选,请以完整原文和当前要求为准。

来源仓库
davila7/claude-code-templates
源文件
cli-tool/components/skills/ai-research/post-training-slime/SKILL.md
固定版本
21be197f100a12b8d0dd9a211cc244c8179f84d3
阅读完整原作者说明 ↗

准备条件

  • 本条仅收录原作者的技能元数据;请阅读完整说明,确认依赖、许可与使用条件。

第一件可以尝试的小事

先阅读原作者说明,再决定是否在自己的 AI 工具中使用。

对应 AI 工具说明

作者有说明不等于本站实机验证。没有证据时,不自动标为兼容、安全或免费。

来源与内容状态

本条为自动发现的元数据,尚未完成人工文档核查;适用性与运行结果待核查。

原作者:davila7/claude-code-templates · 原作者仓库元数据。文档核查:未核查。最近来源检查:2026-11-09T14:01:43.340Z。

分类由名称、说明与路径规则生成,分类不代表已核实适配。

许可与权利归属

MIT。第三方内容及版权归原作者,使用条件以原文为准。

许可原文 ↗

本站没有因同步、复制或用户自报成功而将资源标为运行验证通过。

限制与注意事项

  • 元数据收录不代表本站已经安装、适配、实测或进行安全审查。