slimerl/slime 集成 Slime RL 大语言模型强化学习训练框架，支持 PPO/GRPO 等算法对 LLM 进行 RLHF 微调。定位为 GPU 密集型 RL 训练环境，需 NVIDIA GPU 与共享存储；K8s Job 或 Slurm batch 训练，非常驻 API 服务。

快速启动

docker run --rm --gpus all \
  docker.io/slimerl/slime:latest \
  python -c "import slime; print('ok')"

推荐实践

docker run --rm --gpus all \
  -v /data/rl:/workspace \
  docker.io/slimerl/slime:0.1.0 \
  python train.py --config /workspace/config.yaml

核心参数说明

• --gpus all — 需 NVIDIA GPU
• -v .../rl:... — 训练配置与 checkpoint
• 算法 — PPO/GRPO RLHF
• 调度 — K8s Job/Slurm batch