执行摘要

• 一句话：验证集 dump 加入 uid 字段并按 uid 排序
• 推荐动作：值得合并。作为数据可追溯性的必要修复，与训练路径保持行为一致。建议后续补充单元测试。

功能与动机

PR body 指出：validation JSONL 文件缺少 uid 字段，导致无法将 dump 结果追溯回源样本；而训练/rollout 路径已支持 uid 并按 uid 排序。该 PR 使验证路径与之一致。

实现拆解

1. 排序索引构建：在 verl/trainer/main_ppo_sync.py 的 _validate 方法中，调用 _dump_generations 之前，使用 sorted(range(len(sample_uids)), key=lambda i: sample_uids[i]) 生成基于 uid 的排序索引。
2. 数据重排：根据排序索引重新排列 inputs、outputs、gts、scores 和 reward_extra_infos_dict。
3. 注入 uid：将 uid 字段加入 reward_extra_infos_dict。
4. 调用 dump：将重排后的数据传给 _dump_generations。

关键文件：

• verl/trainer/main_ppo_sync.py（模块 训练器；类别 source；类型 core-logic；符号 _validate）: 核心变更文件，修改 _validate 方法，增加 uid 注入和排序逻辑。

关键符号：_validate

关键源码片段

verl/trainer/main_ppo_sync.py

核心变更文件，修改 _validate 方法，增加 uid 注入和排序逻辑。

# 在 _validate 方法中，dump 前添加排序和 uid 注入
val_data_dir = self.config.trainer.get("validation_data_dir", None)
if val_data_dir:
    # 按 uid 排序，使同一样本的多条结果连续
    sorted_indices = sorted(range(len(sample_uids)), key=lambda i: sample_uids[i])
    dump_inputs = [sample_inputs[i] for i in sorted_indices]
    dump_outputs = [sample_outputs[i] for i in sorted_indices]
    dump_gts = [sample_gts[i] for i in sorted_indices]
    dump_scores = [sample_scores[i] for i in sorted_indices]
    # 重排 reward_extra_infos_dict 并加入 uid
    dump_extra = {k: [v[i] for i in sorted_indices] for k, v in reward_extra_infos_dict.items()}
    dump_extra["uid"] = [sample_uids[i] for i in sorted_indices]
    self._dump_generations(
        inputs=dump_inputs,
        outputs=dump_outputs,
        gts=dump_gts,
        scores=dump_scores,
        reward_extra_infos_dict=dump_extra,
        dump_path=val_data_dir,
    )

评论区精华

代码审查由 gemini-code-assist[bot] 完成，无反馈意见；仓库维护者 wuxibin89 直接批准。无实质性讨论。

• 暂无高价值评论线程

风险与影响

• 风险：低风险。改动局限于 _validate 方法中向 dump 传参的部分，仅影响 dump 输出的顺序和额外字段，不影响指标计算或模型训练。但缺少测试覆盖。
• 影响：对用户：当设置了 trainer.validation_data_dir 时，生成的文件将包含 uid 并按 uid 排序，方便追溯和分析。对系统：无性能影响，排序操作在 CPU 上进行，数据量通常不大。
• 风险标记：缺少测试覆盖

关联脉络

• PR #6227 [trainer] fix: dump all outputs in validation in main_ppo_sync: 同一文件（main_ppo_sync.py）的验证阶段输出相关修复。