专题
slime 面试与源码解读指南
从项目定位、架构控制流和数据管线,到算法、配置、扩展、调试、源码阅读与面试追问的系统指南。
共 12 篇,按顺序阅读。
这是一套面向“第一次接触 slime,但需要在面试中讲清框架原理和真实工程取舍”的系统材料。全专题基于 v0.3.2@3778dbf6(2026-08-29 扫描)逐项核对源码,先建立训练闭环,再依次深入数据、算法、资源、扩展和排障,最后附 2025–2026 各厂公开面经真题精讲。
建议从导读开始按顺序阅读。源码链接固定到审阅时的 commit;涉及硬件支持、吞吐和稳定性的结论仍应以实际镜像、CI 与自己的多 GPU 实验为准。
篇目
-
01
-
02
-
03
Jul 26, 2026 约 9 分钟架构与控制流:一次 rollout 如何变成一次参数更新
沿 Ray placement、RolloutManager、训练 actors、权重同步和 checkpoint,追踪 slime 一轮训练的完整控制流。
-
04
Jul 26, 2026 约 9 分钟同步、流水异步与 fully-async
精确比较 slime 的同步、N/N+1 流水和 fully-async rollout,理解吞吐、staleness、colocate 与恢复边界。
-
05
Jul 26, 2026 约 14 分钟数据管线:从一行数据到一次 Actor 更新
追踪 prompt、Sample、reward、loss mask、logprob、rollout ID、GBS、micro-batch 与 DP/CP packed sequence 的完整生命周期。
-
06
Jul 26, 2026 约 16 分钟算法与损失:从 RL 术语到 slime 的真实实现
结合源码比较 GRPO、GSPO、CISPO、REINFORCE++ 与 PPO,并拆解 ratio、KL、critic、advantage 和训练指标。
-
07
Jul 26, 2026 约 14 分钟配置、资源与权重同步
学会阅读 slime 启动参数、计算 GPU placement、选择 TP/PP/DP/CP/EP,并比较 NCCL、full disk 与 delta disk 同步。
-
08
Jul 26, 2026 约 15 分钟扩展点与真实场景
从 import-path hook 和 Sample 契约出发,设计搜索、工具、sandbox、代码 Agent、多 Agent、VLM 与 OPD 训练方案。
-
09
Jul 26, 2026 约 16 分钟调试、可靠性与性能
用 rollout-only、train-only、指标、checkpoint 和分层决策树定位 OOM、NaN、乱码、Ray pending、权重不同步与性能瓶颈。
-
10
-
11
-
12
Aug 14, 2026 约 35 分钟2025–2026 厂商真题精讲:把 slime 讲进面试
字节、百度、阿里、腾讯混元、商汤等 2025–2026 公开面经真题逐题精讲:GRPO 家族、训推一致性、异步 RL 与 Agentic RL,每道题都落到 slime 源码与具体开关。