执行摘要
- 一句话：为RL配置类新增MoE gate层FP32精度参数，修复训练推理精度不一致问题。
- 推荐动作：该PR变更简单直接，无需精读。值得关注的是review中关于配置默认值一致性的讨论，这反映了配置设计中的上下文差异。对于涉及RL和MoE的开发者，了解这个参数的存在和默认值即可。
功能与动机
根据PR body描述，之前RolloutModelConfig缺少moe_gate_fp32参数配置，导致RL模式下MoE模型的gate层可能无法正确设置为FP32精度。具体问题是：训练进程通过IPC传递的moe_gate weight是BF16格式，而FastDeploy侧期望的是FP32，这种精度不一致会导致问题。
实现拆解
仅修改了fastdeploy/rl/rollout_config.py文件，在RolloutModelConfig.__init__方法中新增了一个参数：moe_gate_fp32: bool = True，并将其赋值给实例属性self.moe_gate_fp32。这是一个极小的配置扩展，未涉及核心算法或性能逻辑。
关键文件：
fastdeploy/rl/rollout_config.py（模块 RL）: 唯一修改的文件，在RolloutModelConfig中新增moe_gate_fp32参数，解决了RL模式下MoE gate层精度配置缺失问题。
关键符号：RolloutModelConfig.init
评论区精华
review中只有一个技术讨论点：fastdeploy-bot指出moe_gate_fp32默认值True与其他配置类（如ModelConfig.moe_gate_fp32默认值为False）不一致，建议统一。作者Sunny-bot1回复解释："RL场景下moe_gate需要fp32类型，所以默认值为True"。这个讨论揭示了配置默认值在不同上下文中的合理差异，但未进一步探讨是否需要文档说明或设计统一原则。
- 配置默认值一致性 (design): 作者Sunny-bot1解释RL场景需要FP32，因此默认值True是合理的，接受不一致性。
风险与影响
- 风险：风险极低：1）变更范围极小，仅添加一个配置参数，不影响现有逻辑；2）默认值True与RL场景需求一致，不会引入回归；3）无性能、安全或兼容性风险。唯一潜在风险是配置默认值不一致可能引发开发者混淆，但作者已明确解释上下文差异。
- 影响：影响范围有限：1）仅影响使用RL模式且涉及MoE模型的用户，确保gate层精度正确对齐；2）对系统其他部分无影响；3）为团队提供了明确的配置参数，减少隐式依赖。这是一个针对特定场景的修复，不影响大多数用户。
- 风险标记：配置默认值不一致
关联脉络
- PR #7361 [Feature] 为 FusedMoE 添加 hidden_size 显式参数支持: 同属MoE相关改进，涉及MoE层配置和灵活性增强。
- PR #7308 [TI-consistent] support quant use pow2scale: 同属精度和配置相关变更，涉及FP8量化和训练推理一致性。
参与讨论