slime-n

slime-n 是一个面向多策略、多智能体强化学习的训练框架，支持灵活组合不同角色的策略组件（如可训练策略对、独立训练/冻结的Megatron模型、SGLang推理引擎）。其核心特点是采用声明式配置驱动架构，统一抽象策略为权重、优化器与缓冲区的单元，无需为每种训练范式（如非对称PPO、在线蒸馏、多智能体协作）编写定制化代码。适用于需要混合训练与推理后端、动态角色分工的大语言模型强化学习场景，尤其适合研究型团队探索复杂策略交互与系统级RL设计。