大模型强化学习训练正在成为模型能力突破的核心路径。slime是一个专为RL规模化（RL Scaling）设计的LLM后训练框架，通过 Megatron-LM 负责分布式训练、SGLang 负责高吞吐推理，实现真正意义上的训推分离，并在此基础上支持了一系列面向 RL 的特性。

相比传统RL框架范式，slime具有以下优势：

slime采用SGLang 作为唯一rollout后端，没有过多添加抽象层，直接透传SGLang 全部参数，无需抽象层对新特性进行特殊适配，天然Day0支持SGLang最新特性

传统 RL 框架随着功能增加往往变成"重型堆栈"：独立的 trainer、rollout service、agent framework层层叠加。

传统开源RL框架往往缺乏大规模生产验证，存在"能跑demo但上不了生产"的问题。slime是GLM-5.1、GLM-5、GLM-4.7等系列模型RL训练的实际框架，同时在Qwen3、DeepSeek V3/R1、Llama 3上均有完整训练验证。

而slime-ascend，则让这套能力完整地运行在昇腾NPU之上，并持续优化。

昇腾全面拥抱开源生态，日前，首个NPU适配pr已经合入slime社区，为开发者带来尝鲜体验。与此同时，我们收到了更多外部客户与开发者对在NPU上支持slime框架特性的诉求，为了提供稳定高效的NPU支持方案，slime-ascend诞生了。当前slime-ascend跟随社区演进， 已适配GLM-4.7-Flash/Qwen3/Qwen3-VL/Qwen3.5等主流模型类型，并支持opd在线蒸馏，投机推理，PD分离，Routing Replay等关键特性，持续建设为开发者带来最佳上手体验。

目前，slime-ascend已在NPU上支持标准训推分离配置，覆盖从单机多卡到多机集群的完整场景。训练参数、Megatron并行参数与SGLang推理参数三类配置独立管理，互不干扰，极大降低了集群运维复杂度。对于资源有限的训推共卡场景，通过torch-npu侧支持preload模式以及对torch-memory-saver的适配，训推共卡支持也即将上线。

上文提到slime架构简洁，易于理解和扩展, Agentic开发友好, NPU在这方面也进行了实践探索，并将此纳入RoadMap。我们基于GLM4.7-Flash进行了一系列的开发实践，涵盖retool, taubench等基础用例场景，修复沙箱代码执行过程中的一系列问题。

对于Agent开发中常见的长序列任务（如长文档理解、多轮对话、代码库分析），显存往往成为瓶颈，slime-ascend支持 Megatron上下文并行，将超长序列沿token维度切分并行计算，基于GLM4.7 Flash实测支持128K长序列RL场景长稳训练。

在易用性方面，slime-ascend提供从环境部署，特性说明，到开发指导整套流程的完整文档指南，搭建NPU CI工程，进行全量原生用例测试与NPU特性看护保障代码质量与用户体验。

slime-ascend当前支持的昇腾硬件包括：

Atlas 800T A2、Atlas 800T A3、Atlas 800 A3风冷超节点、Atlas 900 A3 SuperPoD液冷超节点。

推荐软件环境：

提供 DockerFile 和本地安装脚本两种部署方式，开箱即用。

在体验之前，请确认您的昇腾A2/A3系列产品已正确安装固件/驱动，可运行如下命令确认：

npu-smi info

# 下载仓库代码git clone https://gitcode.com/Ascend/slime-ascend.git# 进入项目根目录cd {slime-ascend-root-path}# 构建 A3 镜像docker build -f Dockerfile.a3.ubuntu22.04.cann850.latest \  -t slime-ascend:8.5.0-a3-ubuntu22.04-py3.11-latest .# 构建 A2 镜像docker build -f Dockerfile.a2.ubuntu22.04.cann850.latest \  -t slime-ascend:8.5.0-a2-ubuntu22.04-py3.11-latest .

# 启动容器（以 A3 为例）docker run -it --rm \  --device=/dev/davinci_manager \  --device=/dev/devmm_svm \  --device=/dev/hisi_hdc \  -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \  -v /usr/local/Ascend/add-ons:/usr/local/Ascend/add-ons \  -v $(pwd):/workspace \  -w /workspace \  slime-ascend:8.5.0-a3-ubuntu22.04-py3.11-latest

完成NPU环境搭建后，slime-ascend与原版slime的操作链路完全一致。参数体系分为三层：

可以从Hugging Face、ModelScope等平台下载所需的模型和数据集。以下是使用huggingface_hub下载示例资源的命令：

# 下载模型权重 (GLM-4.7-Flash)hf download zai-org/GLM-4.7-Flash --local-dir /path/to/GLM-4.7-Flash# 下载训练数据集 (dapo-math-17k)hf download --repo-type dataset zhuzilin/dapo-math-17k \  --local-dir /path/to/dapo-math-17k# 下载评估数据集 (aime-2024)hf download --repo-type dataset zhuzilin/aime-2024 \  --local-dir /path/to/aime-2024

当使用Megatron作为训练后端时，需要先将Hugging Face格式的模型权重转换为Megatron torch_dist格式。

首先，加载目标模型的配置文件。slime/scripts/models目录下包含了支持模型的配置文件。需要 source对应模型的脚本，将配置参数加载到当前环境中。此处我们以 GLM4.7-30B-A3B 模型为例子。

cd /path/to/slime-ascendsource scripts/models/glm4.7-30B-A3B.sh

接下来，运行转换脚本。请注意以下参数：

--hf-checkpoint: 指定已下载的 Hugging Face 模型权重路径。

--save: 指定转换后 torch_dist格式权重的保存路径。

PYTHONPATH=/path/to/Megatron-LM:/path/to/Megatron-Bridge/src:$PYTHONPATH torchrun --nproc-per-node 8  tools/convert_hf_to_torch_dist.py \    ${MODEL_ARGS[@]} \    --hf-checkpoint /path/to/GLM-4.7-Flash \    --save /path/to/GLM-4.7-Flash_torch_dist \    --moe-token-dispatcher-type alltoall

当前环境及数据模型均准备完毕，修改训练脚本中的对应参数,即可开始训练。 主要修改参数包括：

运行训练脚本：

cd /path/to/slime-ascendbash scripts/ascend_script/run-glm4.7-30B-A3B-npu.sh

下图为GLM-4.7-Flash的训练效果，其中蓝色曲线代表基于昇腾NPU的训练结果，红色曲线表示业界设备的训练结果。相同配置下，两份训练结果reward趋势一致，NPU上训练效果跟业界相持平。