LLMのポストトレーニングにおいて、slime(Megatron+SGLangフレームワーク)を用いた強化学習のガイダンスを提供します。GLMモデルのトレーニング時やカスタムデータ生成の実装時に使用します…
npx skills add https://github.com/firecrawl/ai-research-skills --skill slime-rl-training