执行摘要

• 一句话：新增 Qwen3.5-122B GRPO 演示脚本及 VeOmni 依赖升级
• 推荐动作：该 PR 主要是 demo 脚本的添加，对于使用 VeOmniEngine 的用户有参考价值，但核心逻辑简单。建议关注评论中提到的 rollout DP 配置问题，在正式场景中动态计算 infer_dp。CI 依赖升级部分属于常规维护。

功能与动机

为使用 VeOmniEngine 的用户提供参考示例，展示如何对 Qwen3.5-122B-A10B 大模型进行 GRPO 训练，并利用专家并行（EP）提升训练效率。同时保持 CI 依赖版本一致。

实现拆解

1. 新增演示脚本：在 examples/grpo_trainer/run_qwen3_5-122b-a10b_veomni.sh 中编写完整的 GRPO 训练配置，包括算法参数（GRPO、GSPO、KL 系数）、数据路径、模型路径、并行度设置（USP、EP）以及 VeOmni 引擎专属配置（参数卸载、优化器卸载、全分片、注意力与 MoE 实现选择）。
2. 升级 CI 依赖：在 5 个 CI 工作流文件（e2e_ppo_trainer_veomni_vllm.yml、e2e_ppo_trainer_veomni_vllm_ascend.yml、e2e_sft_llm.yml、e2e_sft_llm_ascend.yml、e2e_sft_vlm.yml）中将 veomni 依赖版本从 0.1.9a4 升级到 0.1.9a5，确保统一使用最新版本。
3. 清理旧脚本：在 run_qwen3_5_35b_a3b_veomni.sh 中删除 2 行未使用的变量，保持脚本整洁。

关键文件：

• examples/grpo_trainer/run_qwen3_5-122b-a10b_veomni.sh（模块 示例脚本；类别 other；类型 core-logic）: 核心新增演示脚本，展示 Qwen3.5-122B-A10B 在 VeOmniEngine 上启用专家并行（EP）的 GRPO 训练配置，包含完整参数模板。
• .github/workflows/e2e_ppo_trainer_veomni_vllm.yml（模块 CI 配置；类别 infra；类型 infrastructure）: veomni 依赖版本升级的代表性 CI 文件，确保测试环境统一。
• examples/grpo_trainer/run_qwen3_5_35b_a3b_veomni.sh（模块 示例脚本；类别 other；类型 core-logic）: 清理未使用变量，保持脚本整洁。

关键符号：未识别

评论区精华

gemini-code-assist[bot] 指出新脚本中 infer_dp 硬编码为 1，在 8 节点 64 GPU 环境下会导致 rollout 阶段 56 张 GPU 闲置，建议改为 infer_dp=$((nnodes * 8 / infer_tp)) 以动态分配。该评论未被采纳（脚本维持原样），但 PR 仍获批合并，可能因当前仅用于 demo 或后续优化。

• rollout infer_dp 配置导致 GPU 闲置 (performance): 评论未被采纳，脚本保持 infer_dp=1，PR 仍获批合并。

风险与影响

• 风险：rollout GPU 利用率低: infer_dp=1 导致大部分 GPU 在 rollout 阶段空闲，可能影响训练吞吐量，但 demo 场景下影响有限。依赖版本兼容性: veomni 从 0.1.9a4 升级至 0.1.9a5，需确保新版本在 CI 和用户环境中无意外行为。新脚本未包含在 CI 中: 新增的演示脚本未被任何 CI 工作流引用，无法自动验证其正确性，可能引入隐蔽问题。
• 影响：用户: 提供了一份可直接参考的 Qwen3.5-122B 训练脚本，降低了 veomni 用户的上手成本。系统: CI 依赖升级确保后续测试统一使用 veomni 0.1.9a5。团队: 无需额外维护负担，但未来若完善该脚本需关注 rollout 配置优化。
• 风险标记：rollout GPU 资源浪费, 示例脚本未纳入 CI, veomni 版本兼容性

关联脉络

• PR #5631 [rollout] feat: enable Async RL for trtllm rollout: 同为 rollout 引擎扩展，涉及 VeOmni 之外的异步支持，可对比学习。