slime · Issues· 498 开放

您的项目位于 StackMap — 一张经精心编制的 AI 堆栈地图

[错误] Qwen-VL 补丁绕过 SGLang 令牌 ID 保存,导致多轮 TITO 失败

[问题] 适应性奖励 KL 控制器是否适合 Slime 的 PPO/RLHF 范围?

[错误] 重新启动 Megatron 计划器,使用 rollout_id 而不是训练步骤

在 Papers with Code 上验证评估

[错误] 将完整的 rollout_routed_experts 数据广播到每个 Megatron 训练等级会导致主机内存不足

[讨论] 在完全异步训练部署运行期间支持后台评估

[错误] 无论 --save-interval 设置为何种值,在最后一步都会无条件地调用 save_model;最后一次写入优化器状态可能会导致任务失败

[错误] 从多轮代理展开的扇出组 (list[list[Sample]]) 中发送的动态采样过滤器发生崩溃

[BUG] 稳定训练时出现一半OOM，已开启cp

在 8 个 B200 GPU 上完成部署阶段后,训练无限期地挂起,其中 CP=4, TP=2

UX/意外错误: 在中止的样本中, sample.reward 为 None

[问题] realign 使用当前轮的 response 长度进行判断

如果我们使用 GRPO,且 args.kl_coef 为非零,是否 KL 计算有误?

无法从 'sglang.srt.constants' 导入名称 'GPU_MEMORY_TYPE_CUDA_GRAPH'