deepexperience/hypereyes/model-integration

Model Integration Guide

Overview

Relax 支持两种训练后端和两种执行模式，新模型接入需根据组合适配不同的模块。

后端 x 模式矩阵

决策树

新模型接入
  ├─ Megatron 后端？
  │    ├─ Bridge 支持？ → [快速路径] 仅需 Step 1-2
  │    └─ Bridge 不支持 → [完整路径] Step 1-5
  └─ FSDP 后端？ → [FSDP 路径] Step 6

Megatron Backend

权重同步 Pipeline

训练完成后，权重需从 Megatron 内部格式同步到 Rollout 引擎（SGLang）：

Training Step Complete
        │
        ├─── [bridge 模式] ─────────────────────┐
        │    AutoBridge.export_hf_weights()     │
        │    自动处理 Megatron→HF 转换          │
        │                                       ▼
        ├─── [raw 模式] ────────────────────────┐
        │    all_gather_param (common.py)       │  TP-sharded → full
        │            │                          │
        │            ▼                          │
        │    convert_to_hf (__init__.py)        │  Megatron name → HF name
        │            │                          │
        │            ▼                          │
        ├────────────┴──────────────────────────┘
        │
        ├─── [共卡] UpdateWeightFromTensor
        │    GPU→CPU serialize → Gloo gather → Ray IPC
        │
        └─── [全异步] UpdateWeightFromDistributed / DeviceDirectBackend
             NCCL broadcast / HTTP push
                     │
                     ▼
             chunk_param (checkpoint_engine/utils.py)
             full → TP-sharded (逆操作，仅全异步)

共卡 vs 全异步选择逻辑（actor.py:176）：

update_weight_cls = UpdateWeightFromTensor if self.args.colocate else UpdateWeightFromDistributed

Step 1: Model Provider (Bridge 模式 — 快速路径)

前提：模型已有 Megatron Bridge 支持。

Bridge 模式下，model_provider.py 自动完成：

• 模型构建：AutoBridge.from_hf_pretrained() → bridge.to_megatron_provider()
• HF→Megatron 加载：checkpoint.py 中 bridge.load_hf_weights(model) 自动转换权重
• Megatron→HF 导出：hf_weight_iterator_bridge.py 中 bridge.export_hf_weights() 自动导出

你需要做的：

1. 确认 AutoBridge.from_hf_pretrained(hf_checkpoint) 能正确加载你的模型
2. 如果模型有非标准 TP 分片（参见 Step 5），仍需添加自定义 all_gather/chunk 逻辑

Step 2: Model Config & Launch Script

File: scripts/models/<model_name>.sh — 模型架构参数

从 HF config 提取对应的 Megatron 命令行参数。具体样例见 references/examples.md#model-config-script。

File: scripts/training/<category>/run-<model>-<size>-<gpus>gpu[-async].sh — 训练启动脚本

关键区分参数：

• 共卡：无特殊 flag（默认即共卡）
• 全异步：--fully-async --resource '...' --max-staleness N
• 转换模式：--megatron-to-hf-mode bridge（推荐）或 raw

具体样例见 references/examples.md#launch-script-colocate 和 references/examples.md#launch-script-fully-async。

Bridge 模式到此结束。以下 Step 3-4 仅在 --megatron-to-hf-mode raw 时需要。

Step 3: Megatron-to-HF Converter (raw 模式)

File: slime/backends/megatron_utils/megatron_to_hf/<model_name>.py

转换器是纯函数，将单个 Megatron 参数映射为一或多个 HF 参数：

def convert_<model>_to_hf(
    args, name: str, param: torch.Tensor
) -> list[tuple[str, torch.Tensor]]:

必须覆盖的参数映射：

MoE、多模态、MTP 等扩展映射见 references/examples.md。

参考：简单模型看 qwen2.py(71行)，复杂模型看 qwen3_5.py(345行)。

Step 4: Register Converter (raw 模式)

File: slime/backends/megatron_utils/megatron_to_hf/__init__.py

# 1. 顶部添加 import
from .<model_name> import convert_<model>_to_hf
# 2. 在 _convert_to_hf_core() 添加路由（具体名字在前）
if "<model_name>" in model_name:
    converted_named_tensors = convert_<model>_to_hf(args, name, param)

model_name 来自 type(AutoConfig.from_pretrained(hf_checkpoint)).__name__.lower()。注意路由顺序：具体名字（如 qwen3_5）必须在通用名字（如 qwen3）之前。

Step 5: Custom TP Sharding (bridge 和 raw 均适用)

大多数标准层的 TP 分片由框架通用逻辑处理。仅当模型有非标准 TP 分片方式时才需要此步骤。

需要同时修改两个互为严格逆操作的函数：

核心不变量：chunk_param(all_gather_param(p))[tp_rank] == p

在通用逻辑前按参数名 pattern 插入模型特有分支。具体代码见 references/examples.md#custom-tp-all-gather。

FSDP Backend

Step 6: FSDP Model Adaptation

FSDP 后端直接使用 HuggingFace 模型，权重名就是 HF 原生名称，不需要写转换器。

权重同步（slime/backends/fsdp_utils/update_weight_utils.py）：

• model.state_dict() 遍历所有参数
• DTensor 通过 redistribute(Replicate) 自动 all-gather
• 按 buffer 大小分桶，序列化推送到 Rollout

这套逻辑对所有模型通用，无需模型特化。

需要模型特化的场景：仅 MoE 模型需要自定义 expert dispatch 和 fused kernel（如 slime/backends/fsdp_utils/models/qwen3_moe.py），放在 slime/backends/fsdp_utils/models/ 下。

Common Pitfalls

1. module. prefix 不一致

不同模型 prefix 深度可能不同。如 Qwen3.5 多了 language_model 层，需要在转换器开头归一化：

if name.startswith("module.module.language_model."):
    name = "module.module." + name[len("module.module.language_model."):]

2. 多模态子模型绕过 TP

非 Megatron 的视觉/音频编码器没有 tensor_model_parallel 属性，需在 all_gather_param 中跳过：

if ".vision_model." in name:
    if not hasattr(param, "tensor_model_parallel"):
        return param

3. ZeroCenteredRMSNorm 偏移

Megatron 的 ZeroCenteredRMSNorm 权重中心为 0，HF 的 RMSNorm 中心为 1：

return [(f"{prefix}.norm.weight", param + 1)]

4. GLU linear_fc1 layout

框架已内置 SwiGLU 的交错 layout 处理，不需要额外代码。

5. Bridge 模式仍需自定义 TP 逻辑

Bridge 自动处理名称转换，但 all_gather_param/chunk_param 中的自定义 TP 逻辑仍然需要——TP 分片/还原发生在转换之前/之后。

6. _convert_to_hf_core 路由顺序

in 匹配 model_name 时，具体名字必须在前：qwen3_5 → qwen3vl → qwen3。

7. HF Config 动态读取

模型特有参数通过 get_hf_config() 获取（@lru_cache，只加载一次）：

from slime.utils.misc import get_hf_config
config = get_hf_config(args.hf_checkpoint)  # .text_config.xxx

8. 共卡模式下 named_params_and_buffers 的 convert_to_global_name

共卡模式使用 UpdateWeightFromTensor，内部通过 HfWeightIteratorBase.create() 根据 megatron_to_hf_mode 选择迭代器。raw 模式需要 convert_to_global_name=True（将 VP/PP 局部层索引转换为全局索引），bridge 模式不需要：

# actor.py:154
convert_to_global_name=args.megatron_to_hf_mode == "raw"

Validation Checklist

1. 转换器覆盖率 (raw 模式)：遍历所有参数名，确认无 ValueError
2. all_gather/chunk 对称性：构造随机 tensor → 分片 → all_gather → chunk → 验证一致
3. 端到端：小规模跑 1-2 iter，检查 log 无 Unknown parameter name，Rollout 引擎成功加载权重

File Reference Map

Bundled Resources

• references/examples.md — 完整代码样例：简单/复杂转换器、自定义 TP 逻辑、注册、脚本模板