执行摘要

• 一句话：新增 Qwen3-235B NPU 全异步 GRPO 训练脚本
• 推荐动作：如果团队正在使用 Ascend NPU 进行全异步训练，可参考此脚本的超参数设置和配置模式。否则无需深入审查，因为主要是示例脚本。

功能与动机

原 PR #5583 导致某些 NPU 特定补丁无法正确应用，需要回滚；同时需要提供在 NPU 上运行全异步 GRPO 训练 Qwen3-235B 模型的启动脚本。

实现拆解

本 PR 在 verl/experimental/fully_async_policy/shell/ 下新增了一个 bash 脚本 grpo_qwen3_235b_megatron_npu.sh，用于在 NPU 上启动全异步 GRPO 训练。该脚本设置关键训练参数，包括：

1. 算法与模型路径：设置 adv_estimator=grpo、MODEL_PATH=Qwen3-235B-A22B、数据文件等。
2. 分布式策略：配置 gen_tp=8, gen_dp=8, train_tp=4, train_ep=4, train_pp=8，以及节点数 NNODES_ROLLOUT=8, NNODES_TRAIN=8。
3. 训练行为：use_dynamic_bsz=False, offload=True, partial_rollout=True，以及 n_resp_per_prompt=16 等 GRPO 相关参数。
4. 调用入口：使用 verl.experimental.fully_async_policy.fully_async_main 主函数，并传入 Hydro 配置路径。

根据 PR 描述，本应包含 engine_workers.py 中 override_transformer_config 的部分回滚以修复 NPU 补丁应用问题，但最终文件变更中未包含此文件，可能已在其他提交中处理或合并时被排除。

关键文件：

• verl/experimental/fully_async_policy/shell/grpo_qwen3_235b_megatron_npu.sh（模块 训练脚本；类别 other；类型 core-logic）: 新增的 NPU 全异步 GRPO 训练启动脚本，是 PR 的唯一实质性变更，包含完整的训练参数配置和启动命令。

关键符号：未识别

评论区精华

审查者 wuxibin89 指出此 PR 与 #5967 重复，作者 wangshuyang31 回应将检查。机器人 gemini-code-assist 自动评论无具体反馈。最终由 wucong25 批准合并。

• 重复 PR 检测 (other): 尽管指出重复，最终仍被批准合并，可能 #5967 已关闭或此 PR 包含额外改动。

风险与影响

• 风险：脚本依赖于特定的环境变量（如 RAY_DATA_HOME、CKPTS_DIR）和路径（MODEL_PATH=Qwen3-235B-A22B），用户需要根据实际环境调整。若路径或节点数不匹配，脚本可能失败。此外，脚本使用的参数如 gen_tp=8 需要对应 GPU 资源，若资源不足则无法运行。整体风险较低，仅影响 NPU 上的全异步训练用户。
• 影响：直接为 NPU 用户提供现成的全异步 GRPO 训练脚本，降低使用门槛。对现有系统无破坏性影响。影响范围限于使用 Ascend NPU 和 Megatron 后端的用户。
• 风险标记：环境依赖风险, 配置兼容性

关联脉络

• PR #5967 （未提供）: 被指认为此 PR 的重复 PR。
• PR #5583 （未提供）: PR 描述中提及需部分回滚 #5583 中 override_transformer_config 的改动以修复 NPU 补丁问题。