执行摘要

• 一句话：修复 GRPO shell 脚本中 DEVICE 变量未初始化
• 推荐动作：此 PR 为小范围 bug 修复，简单直接，值得快速合并。代码审查中提出的风险（stdout 污染、硬件可用性检测）在实际使用中可能性较低（torch_npu 在标准安装下不输出 stdout 信息），且社区已有类似用法，可接受。建议未来对类似自动检测逻辑进行统一抽象。

功能与动机

脚本使用 set -u 且已有 case "${DEVICE}" 分支，但 DEVICE 未初始化，shell 因未绑定变量而立即退出，导致 Python 侧 auto_device 逻辑无法执行。PR 作者在评论中解释：'The script uses set -u and already has case "${DEVICE}" in ... If DEVICE is not initialized, shell exits immediately.' 此变更旨在提供 shell 层默认值并保持与其它示例脚本行为一致。

实现拆解

1. 添加变量默认值：在两个 run_*.sh 脚本的用户可调参数区域内，在已有的 INFER_BACKEND、MODEL_PATH 等变量之上，新增一行 DEVICE 的默认赋值。
2. 自动检测逻辑：使用 ${DEVICE:-$(python3 -c 'import torch_npu' 2>/dev/null && echo npu || echo gpu)}，如果用户未设置 DEVICE 环境变量，则尝试导入 torch_npu（将 stderr 重定向到 /dev/null），若成功则默认 npu，否则 gpu。
3. 向后兼容：用户仍可通过在脚本执行前 export DEVICE=gpu 或 export DEVICE=npu 显式覆盖自动检测结果。
4. 文件范围：仅修改 examples/grpo_trainer/run_qwen2_5_32b_fsdp.sh 和 examples/grpo_trainer/run_qwen3_4b_fsdp.sh，无其他配置、测试或文档改动。

关键文件：

• examples/grpo_trainer/run_qwen2_5_32b_fsdp.sh（模块 示例脚本；类别 other；类型 core-logic）: 第一个被修复的 GRPO 训练脚本，因 set -u 导致 DEVICE 未绑定而崩溃。添加了自动检测默认值。
• examples/grpo_trainer/run_qwen3_4b_fsdp.sh（模块 示例脚本；类别 other；类型 core-logic）: 第二个被修复的 GRPO 训练脚本，与 run_qwen2_5_32b_fsdp.sh 相同的修复。

关键符号：未识别

关键源码片段

examples/grpo_trainer/run_qwen2_5_32b_fsdp.sh

第一个被修复的 GRPO 训练脚本，因 set -u 导致 DEVICE 未绑定而崩溃。添加了自动检测默认值。

# ---- user-adjustable ----
# DEVICE is auto-detected by probing torch_npu; override only for special cases.
DEVICE=${DEVICE:-$(python3 -c 'import torch_npu' 2>/dev/null && echo npu || echo gpu)}
INFER_BACKEND=${INFER_BACKEND:-vllm}
MODEL_PATH=${MODEL_PATH:-Qwen/Qwen2.5-32B}
# ... 后续 case "${DEVICE}" 分支

examples/grpo_trainer/run_qwen3_4b_fsdp.sh

第二个被修复的 GRPO 训练脚本，与 run_qwen2_5_32b_fsdp.sh 相同的修复。

# ---- user-adjustable ----
# DEVICE is auto-detected by probing torch_npu; override only for special cases.
DEVICE=${DEVICE:-$(python3 -c 'import torch_npu' 2>/dev/null && echo npu || echo gpu)}
INFER_BACKEND=${INFER_BACKEND:-vllm}
MODEL_PATH=${MODEL_PATH:-Qwen/Qwen3-4B}
# ... 后续 case "${DEVICE}" 分支

评论区精华

• reviewer tardis-key 询问：'Does auto_device not work properly? If it works fine, there's no need to specify DEVICE in the script.' 作者 zjchenn 回复解释 auto_device 在 Python 入口启动后才生效，而失败发生在 shell 脚本中 set -u 阶段，因此需要 shell 级默认值。

• gemini-code-assist[bot] 提出两条高优先级评论（两条文件各一条），指出当前检测逻辑可能将 torch_npu 的初始化输出捕获到 DEVICE 变量中，且仅仅导入包不能保证硬件可用。建议使用更安全的检测方式如 torch.npu.is_available()。此建议未被采纳，PR 以当前形式合并。

• 是否需要 shell 级 DEVICE 默认值 (question): 作者解释 auto_device 在 Python 入口后才生效，而脚本中 set -u 在 shell 阶段就失败，因此需要 shell 级默认值。

• 自动检测逻辑的安全性 (correctness): PR 未采纳建议，以当前形式合并。风险被评估为低概率，且已有类似用法。

风险与影响

• 风险：
  1. 初始化输出污染：python3 -c 'import torch_npu' 可能向 stdout 打印初始化信息，导致 DEVICE 变量包含非预期内容（如 "Loading...npu"），使后续 case 匹配失败。当前已将 stderr 重定向到 /dev/null，但无法完全避免某些框架向 stdout 输出。
  2. 仅导入不保证硬件可用：单纯导入 torch_npu 成功不代表 NPU 设备已就绪，可能导致在 NPU 不可用时仍误判为 npu。
  3. 影响范围小：只影响两个 shell 脚本，且是可选默认值，风险较低。
• 影响：
  • 用户：使用这两个脚本的用户无需手动设置 DEVICE，脚本可自动适配 GPU/NPU 环境，降低使用门槛。
  • 系统：仅 shell 脚本层面改动，不影响 Python 核心逻辑或运行时。
  • 团队：与 verl 项目中其他示例脚本风格一致，维护成本低。
  • 风险标记：潜在 stdout 污染

关联脉络

• 暂无明显关联 PR