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

  1. 01

    Jul 26, 2026 约 9 分钟

    slime 面试与源码解读指南

    一套从零建立 slime 心智模型、追踪源码、理解算法与系统取舍,并准备真实场景面试追问的完整学习路线。

  2. 02

    Jul 26, 2026 约 8 分钟

    项目全景:slime 解决什么问题

    从在线 RL 的系统难点出发,解释 slime 的定位、Ray、Megatron、SGLang 分工、设计取舍与能力边界。

  3. 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。

  4. 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。

  5. 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。

  6. 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。

  7. 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。

  8. 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。

  9. 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. 10

    Jul 26, 2026 约 11 分钟

    源码阅读路线

    用一条 90 分钟最短路径,从 99 行训练入口追到 Ray 编排、数据调度、Megatron loss 和权重发布。

  11. 11

    Jul 26, 2026 约 23 分钟

    面试题库与模拟追问

    70 道架构、数据、算法、分布式、扩展与排障问题,并附快速面、深挖面和代码 Agent 系统设计框架。

  12. 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。