执行摘要

• 一句话：新增 NPU 模型与算法支持状态文档
• 推荐动作：值得快速浏览，尤其推荐给需要在 Ascend NPU 上选择训练配置的开发者。文档的结构可作为后续新增支持的模板。

功能与动机

随着 verl NPU 生态的扩展，支持的模型和算法组合越来越多，用户需要一个集中的文档来查阅哪些配置经过验证并附有可复现的 shell 脚本链接。该文档填补了这一空白，降低了用户在 Ascend NPU 上入门时的试错成本。

实现拆解

1. 新增文档文件 docs/ascend_tutorial/model_support/model_and_algorithm_support.md：
   • 包含两个主要表格：Table 1（RL Algorithms）和 Table 2（SFT），分别列出每行组合的模型名称、算法、下载链接、actor 策略、rollout 引擎、脚本链接和硬件平台。
   • RL 表格涵盖 50 余条记录，涉及 Qwen2.5、Qwen2.5-VL、Qwen2.5-Math、Qwen3、Llama、DeepSeek 等系列，算法包括 DAPO、GRPO、GRPO (fully_async)、DAPO (fully_async) 等。
   • SFT 表格涵盖约 7 条记录，支持 FSDP 和 Megatron 两种策略。
   • 文档末尾标注最后更新日期（05/14/2026）。
2. 更新文档索引 docs/index.rst：在 ascend_tutorial 的 toctree 中添加一行 ascend_tutorial/model_support/model_and_algorithm_support.md，使新增页面能够正确出现在文档导航中。
3. 四次提交演进：初始提交创建文档并列出最初版本的表；后续提交依次修正脚本链接、调整算法名称（如将 DAPO 改为 GRPO），反映了 review 反馈驱动的迭代。

关键文件：

• docs/ascend_tutorial/model_support/model_and_algorithm_support.md（模块 Ascend 文档；类别 docs；类型 documentation）: 核心文档，以表格形式汇总了 NPU 上经过验证的模型、算法、策略、引擎和硬件组合，提供可复现的脚本链接，是用户选择训练配置的一站式参考。
• docs/index.rst（模块 文档索引；类别 docs；类型 documentation）: 更新 toctree，将新增文档注册到 Ascend 教程页面导航中，确保用户可通过文档目录访问。

关键符号：未识别

评论区精华

gemini-code-assist[bot] 自动审查发现两个问题：

• 算法-脚本不匹配：第 30 行 Qwen3-30B-A3B 的算法标注为 'GRPO (fully_async)'，但链接的脚本为 dapo_30b_a3b_math_fsdp_npu.sh，对应 DAPO 算法。建议统一。

• 链接中隐藏字符：Qwen3-235B-A22B 行的 URL 末尾存在零宽左到右标记隐藏字符（%E2%80%8E），会导致 404 错误。
  这两个问题均由作者在后续提交中修复。最终由 wucong25 批准合并。

• 算法名称与脚本不一致 (correctness): 作者后续提交中修正了此问题。

• 链接中存在隐藏字符 (other): 作者通过后续提交移除了隐藏字符，链接恢复正常。

风险与影响

• 风险：纯文档变更，无代码改动，因此无回归、性能或安全风险。唯一风险是文档内容可能随着算法和模型的快速迭代而过时，但文档末尾注明了更新日期以提示时效性。
• 影响：对用户：为 NPU 用户提供了清晰的兼容性参考，降低了入门障碍。对系统：无运行时影响。对团队：减轻了面对相同问题时的重复咨询负担。影响程度中等，主要服务于 NPU 生态用户。
• 风险标记：文档内容可能过时

关联脉络

• PR #6298 [doc] refactor: ascend doc refactor of precision guide and dockerfile build guidance: PR body 中引用此 PR 作为相似 PR 搜索的结果，同属 Ascend 文档重构系列。