用途：slime 是面向大语言模型强化学习后训练（RL post-training）的框架，将 Megatron-LM 用于训练、SGLang 用于高吞吐 rollout 生成，适合需要 Megatron-LM 原生训练配合 SGLang 推理、自定义数据生成流程，以及训练 GLM、Qwen3、DeepSeek V3、Llama 3 等模型的场景。
主要能力：训练侧基于 Megatron-LM，支持 TP、PP、DP、SP 并行；rollout 侧基于 SGLang 与 router 做高吞吐生成；提供数据缓冲（prompt 管理、样本存储、自定义生成与过滤）；支持 GRPO、GSPO、PPO、REINFORCE++ 等优势估计；支持异步训练、多轮智能体训练、自定义奖励模型与多任务评测。
使用方式：推荐 Docker 安装，docker pull slimerl/slime:latest，容器内执行 cd /root/slime && pip install -e . --no-deps；也可从源码安装。训练前先 source scripts/models/ 下的模型脚本（如 qwen3-4B.sh），再运行 python train.py，传入 actor/rollout GPU 数、--advantage-estimator grpo、--prompt-data 等参数；异步训练使用 train_async.py，多轮训练通过 --custom-generate-function-path 指定自定义生成函数。参数分三类：Megatron 参数直接传入，SGLang 参数以 --sglang- 前缀传入，其余为 slime 参数。
限制：需注意 rollout_batch_size × n_samples_per_prompt = global_batch_size × num_steps_per_rollout 的约束；可能出现 SGLang 引擎崩溃、权重同步超时、OOM、数据加载慢等问题，需相应调整容错、内存、批大小或并行配置。官方文档、GitHub 与博客链接见资料。具体收费与价格暂未提供。