# slime-user

Скилл slime-user для Claude Code — справочник по пост-тренингу моделей с подкреплением в SLIME: настройке GRPO и PPO, бэкендов Megatron и FSDP и вызова инструментов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 158 у репозитория
- Автор: yzlnew
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/yzlnew/infra-skills/tree/HEAD/slime-user/SKILL.md
- Обновлён: 2026-07-09
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/slime-user

## Что делает

Скилл помогает настроить обучение языковых моделей с подкреплением во фреймворке SLIME от THUDM. Он подсказывает параметры для алгоритмов GRPO, GSPO, PPO и Reinforce++, а также структуру цикла из генерации ответов через SGLang, вычисления наград и шага оптимизатора.

Внутри собраны готовые шаблоны аргументов для связки с бэкендами Megatron и FSDP, формулы расчёта батчей и примеры конфигурации под ускорители H100, H200 или B200. Бэкенд Megatron требует предварительной конвертации весов чекпоинта, тогда как FSDP работает с исходными весами напрямую.

Отдельно описаны многошаговые сценарии с вызовом внешних инструментов, где генерация маскирует системные токены через `loss_mask`, и подключение собственных функций наград.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add yzlnew/infra-skills --skill slime-user -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/slime-user/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/slime-user/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add yzlnew/infra-skills --skill slime-user -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/slime-user/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add yzlnew/infra-skills --skill slime-user -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/slime-user/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install yzlnew/infra-skills slime-user
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/slime-user/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add yzlnew/infra-skills --skill slime-user -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/yzlnew/infra-skills --path slime-user
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/slime-user/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/yzlnew/infra-skills/tree/HEAD/slime-user/SKILL.md

## Когда брать
- рассчитать размеры батчей для цикла rollout и обучения
- сконфигурировать запуск RL-алгоритмов GRPO или PPO
- настроить многошаговый сбор данных с маскированием вызовов инструментов
- подготовить запуск тренировки на бэкенде FSDP или Megatron

## Примеры запросов агенту
- Помоги составить скрипт запуска GRPO для Qwen3-4B на бэкенде Megatron.
- Как настроить расчёт loss_mask для многошагового сценария с вызовом инструментов в SLIME?
- Проверь баланс параметров rollout-batch-size и global-batch-size под 8 карт H100.

## Похожие
- [slime-rl-training](https://affpapa.org/nevibecode/skills/slime-rl-training.md) — скилл · 1100 установок
- [miles-rl-training](https://affpapa.org/nevibecode/skills/miles-rl-training.md) — скилл · 1100 установок
- [nemo-mbridge-perf-megatron-fsdp](https://affpapa.org/nevibecode/skills/nemo-mbridge-perf-megatron-fsdp.md) — скилл · 1800 установок
- [openclaw-rl-training](https://affpapa.org/nevibecode/skills/openclaw-rl-training.md) — скилл · 1300 установок
- [dynamo-recipe-runner](https://affpapa.org/nevibecode/skills/dynamo-recipe-runner.md) — скилл · 2600 установок
- [hyperloom-workload-optimizer](https://affpapa.org/nevibecode/skills/hyperloom-workload-optimizer.md) — скилл · 1200 установок

Из того же набора: [yzlnew/infra-skills](https://affpapa.org/nevibecode/by/yzlnew/infra-skills.md) — 8 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
