执行摘要

• 一句话：新增Qwen3-VL-30B-MOE的VeOmni GRPO训练脚本
• 推荐动作：值得精读，特别是 VeOmni 后端用户。注意根据实际硬件调整 max_model_len 和并行配置。脚本结构清晰，可作为自定义训练任务的起点。

功能与动机

PR body: Add NPU/GPU GRPO training scripts for Qwen3-VL-30B-MOE (VeOmni backends). 目的是扩展VeOmni后端对MoE视觉语言模型的支持。

实现拆解

1. 新增训练脚本 examples/grpo_trainer/run_qwen3_vl_30b_moe_veomni.sh：包含完整的GRPO训练参数配置，特别添加了 ACTOR_VEOMNI_CONFIG 和 REF_VEOMNI_CONFIG 区块，支持参数/优化器卸载、全分片、序列并行（Ulysses）、专家并行以及注意力实现选择（veomni_flash_attention_2_with_sp）和 MoE 实现（fused）。通过环境变量或直接修改变量调整超参数。
2. 更新示例文档 examples/grpo_trainer/README.md：在模型支持表格中为 Qwen3-VL-30B-A3B 和 Qwen3-30B-A3B 增加 VeOmni 后端标记。
3. 更新算法支持表 docs/ascend_tutorial/model_support/model_and_algorithm_support.md：在末尾新增三行记录，分别是 Qwen3-1.7B、Qwen3-30B-A3B 和 Qwen3-VL-30B-A3B-Instruct，均使用 VeOmni 后端，并给出示例脚本链接和硬件信息。

关键文件：

• examples/grpo_trainer/run_qwen3_vl_30b_moe_veomni.sh（模块 示例脚本；类别 other；类型 entrypoint）: 核心新增脚本，包含VeOmni后端训练配置与启动逻辑。
• examples/grpo_trainer/README.md（模块 示例脚本；类别 docs；类型 documentation）: 更新模型支持列表，标明VeOmni后端。
• docs/ascend_tutorial/model_support/model_and_algorithm_support.md（模块 文档；类别 docs；类型 documentation）: 在算法支持表中新增三条使用VeOmni后端的模型记录。

关键符号：未识别

评论区精华

• 安全风险：gemini-code-assist[bot] 指出脚本传递 $@ 允许任意参数覆盖，可导致 data.trust_remote_code=True 等危险配置，引发远程代码执行。作者移除了 $@ 传递，问题已解决。
• 配置错误：bot 发现 max_model_len=1024 小于 max_prompt_length+max_response_length=2048，会导致序列截断；同时存在重复参数 trainer.use_legacy_worker_impl=disable。作者调整了模型长度并去除了重复参数。
• NPU 验证询问：wucong25 询问脚本是否在 Ascend 200T A2 上验证（num_gpus_per_node=8）。作者回复 NPU 默认 1 节点 16 卡，脚本按 GPU 写法但配置参数通用。

• 文档更新要求：wucong25 要求刷新 grpo_trainer 的 README 和模型支持列表。作者已完成相应更新。

• 安全风险-参数注入 (security): 作者移除了 $@ 传递，问题已解决。

• max_model_len配置错误 (correctness): 作者调整了模型长度至足够值并去除了重复参数。
• NPU验证询问 (question): 作者回复 NPU 默认 1 节点 16 卡，脚本按 GPU 写法但配置参数通用，用户可根据实际情况调整。
• 文档更新要求 (documentation): 作者已更新了 README 和支持表。

风险与影响

• 风险：
  • 安全风险：尽管已移除 $@，脚本仍允许通过环境变量大量覆盖配置，用户需警惕来源不明的参数设置。
  • 配置错误：若用户未根据硬件调整 max_model_len 和并行大小，可能导致训练失败或性能损失。
  • 重复参数风险：脚本中曾出现重复配置，虽已修复，但类似问题可能再次发生，需持续 review。
  • 缺少测试覆盖：脚本为示例性质，未提供单元或集成测试，用户需自行验证正确性。
• 影响：
  • 用户：提供了开箱即用的 VeOmni 训练示例，降低用户使用门槛，尤其帮助用户在 Ascend NPU 上快速启动 GRPO 训练。
  • 系统：新增脚本作为官方示例，需与 VeOmni 后端版本保持同步，增加维护成本。
  • 团队：需要后续持续跟进 VeOmni 的更新并更新文档及脚本。
  • 风险标记：安全风险-参数注入, 配置错误-max_model_len, 重复参数, 缺少测试覆盖

关联脉络

• 暂无明显关联 PR