标签
Prime-rl 增加了一个一级算法层，内置六种 RL 算法（GRPO、MaxRL、OPD、OPSD、SFT、ECHO），使得通过单个文件实现自定义算法变得更加容易。
Z. ai 将其强化学习基础设施 slime 框架开源，该框架使 GLM-5.2 的 OPD 后训练在约两天内高效完成。slime 是一个用于强化学习扩展的 LLM 后训练框架，集成了 Megatron 和 SGLang，并已通过 GLM、Qwen、DeepSeek 和 Llama 等前沿模型的实战测试。