Slime

El objetivo de diseño de slime es hacer que estas dos capacidades se refuercen mutuamente sin convertir el sistema en una pesada pila de entrenadores desconectados, servicios de rollout y marcos de agentes. El entrenamiento de Megatron, el rollout de SGLang, la generación de datos personalizada, el cálculo de recompensas, la retroalimentación del verificador y la interacción con el entorno fluyen todos a través del mismo camino de entrenamiento / rollout / Buffer de Datos.