slime

slime 是一个面向大语言模型（LLM）后训练阶段的强化学习（RL）规模化框架。它通过深度集成 Megatron 训练引擎与 SGLang 推理服务，支持高性能、低延迟的 RLHF/RLAIF 训练；同时提供灵活的数据生成接口，允许用户自定义 rollout、奖励建模与数据缓冲流程。框架设计解耦训练与推理模块，支持异步、多模型（如 GLM、Qwen、DeepSeek、Llama 系列）的 RL 微调任务，适用于学术研究与工业级 LLM 对齐优化场景。