通用工具
史莱姆使用者
@slime-user
SLIME 是 THUDM 开发的用于 RL Scaling 的 LLM 后培训框架。它支持各种 RL 算法（GRPO、GSPO、PPO、Reinforce++）、多个训练后端（Megatron、FSDP）以及多轮交互、工具调用和动态采样等高级功能。
包含技能
1 个史莱姆使用者
@yzlnew/infra-skills/slime-user
SLIME 是 THUDM 开发的用于 RL Scaling 的 LLM 后培训框架。它支持各种 RL 算法（GRPO、GSPO、PPO、Reinforce++）、多个训练后端（Megatron、FSDP）以及多轮交互、工具调用和动态采样等高级功能。