执行摘要

• 一句话：rollout 默认开启 calculate_log_probs
• 推荐动作：该 PR 简单明了，适合合并。建议确认下游用户是否知晓此默认变更，可在发版说明中提及。

功能与动机

PR body 仅说明 "As title"，但根据配置文件注释，此变更支持 rollout 概率日志记录调试，并且当启用截断重要性采样时，需要设置 calculate_log_probs 为 true。

实现拆解

1. 在 verl/trainer/config/rollout/rollout.yaml 中将 calculate_log_probs 默认值从 False 改为 True。
2. 同步更新 4 个自动生成的 PPO 训练器配置文件：_generated_ppo_megatron_trainer.yaml、_generated_ppo_torchtitan_trainer.yaml、_generated_ppo_trainer.yaml、_generated_ppo_veomni_trainer.yaml，将各自 calculate_log_probs 值从 false 改为 true。
3. 每个文件仅修改一行，确保默认行为一致。

关键文件：

• verl/trainer/config/rollout/rollout.yaml（模块 Rollout 配置；类别 config；类型 configuration）: Rollout 配置的原始 YAML 文件，变更了 calculate_log_probs 默认值，是配置的源头。
• verl/trainer/config/_generated_ppo_trainer.yaml（模块 训练器配置；类别 config；类型 configuration）: PPO 训练器自动生成的配置，同步了默认值变更。
• verl/trainer/config/_generated_ppo_megatron_trainer.yaml（模块 训练器配置；类别 config；类型 configuration）: Megatron 训练器自动生成的配置，同步了默认值变更。
• verl/trainer/config/_generated_ppo_torchtitan_trainer.yaml（模块 训练器配置；类别 config；类型 configuration）: TorchTitan 训练器自动生成的配置，同步了默认值变更。
• verl/trainer/config/_generated_ppo_veomni_trainer.yaml（模块 训练器配置；类别 config；类型 configuration）: VeOmni 训练器自动生成的配置，同步了默认值变更。

关键符号：未识别

评论区精华

无人工 review 讨论。仅有一个机器人自动 review 无反馈。

• 暂无高价值评论线程

风险与影响

• 风险：低风险。calculate_log_probs 开启后会增加计算开销（计算对数概率），但不会影响功能正确性。对于不需要日志概率的用户，他们仍可通过显式配置 calculate_log_probs: False 来关闭。
• 影响：影响用户所有使用默认配置的 PPO 训练。默认开启后，每次 rollout 会额外计算对数概率，轻微增加计算量。对于调试和截断重要性采样场景是预期行为。
• 风险标记：暂无

关联脉络

• 暂无明显关联 PR