# PR #6858 完整报告

- 仓库：`verl-project/verl`
- 标题：[misc] chore: fix npu parameters and typo
- 合并时间：2026-06-26 16:55
- 原文链接：http://prhub.com.cn/verl-project/verl/pull/6858

---

# 执行摘要

- 一句话：修复 Ascend 启动脚本的参数和拼写错误
- 推荐动作：简单维护性 PR，无需精读。对于在 Ascend 上复现实验的用户，建议同步更新脚本。

# 功能与动机

PR body 中明确说明是 fix npu parameters and typo，解决 Ascend 环境下启动脚本的参数配置错误。

# 实现拆解

1. **修改 PPO 启动脚本 **(`examples/ascend_extras/ppo_trainer/run_qwen3_8b_fsdp.sh`)：
 - 将 `data.train_batch_size` 从 32 改为 64，`actor_rollout_ref.actor.ppo_mini_batch_size` 从 32 改为 64，增大批量以提升吞吐。
 - 将 `actor_rollout_ref.rollout.calculate_log_probs` 从 `True` 改为 `False`，禁用不必要的 log-prob 计算。

2. **修改 GRPO 启动脚本 **(`examples/ascend_extras/grpo_trainer/run_qwen3_5_122b_a10b_32k_megatron.sh`)：
 - 将环境变量 `NDEVICES_PER_NODE` 更正为 `NPUS_PER_NODE`，修正拼写错误。

关键文件：
- `examples/ascend_extras/ppo_trainer/run_qwen3_8b_fsdp.sh`（模块 Ascend 示例；类别 other；类型 configuration）: 修改了 batch size 和 log-prob 计算开关，影响训练吞吐和 PPO 行为。
- `examples/ascend_extras/grpo_trainer/run_qwen3_5_122b_a10b_32k_megatron.sh`（模块 Ascend 示例；类别 other；类型 configuration）: 修正变量名拼写错误，确保 GRPO 训练器能正确读取 NPU 数量。

关键符号：未识别

## 关键源码片段

### `examples/ascend_extras/ppo_trainer/run_qwen3_8b_fsdp.sh`

修改了 batch size 和 log-prob 计算开关，影响训练吞吐和 PPO 行为。

```bash
# 在 run_qwen3_8b_fsdp.sh 中优化批量大小并禁用 log-prob 计算
# 增大批量大小以提升 NPU 利用率
data.train_batch_size=64
actor_rollout_ref.actor.ppo_mini_batch_size=64
# 禁用 log-prob 计算（Ascend 场景下非必要）
actor_rollout_ref.rollout.calculate_log_probs=False

```

# 评论区精华

无人工 review 讨论，仅由 Gemini Code Assist 自动评论总结变更，以及由 wucong25 直接批准。

- 暂无高价值评论线程

# 风险与影响

- 风险：风险极低，仅涉及 shell 脚本中的参数配置变更，无核心代码逻辑改动。`calculate_log_probs=False` 可能影响依赖该值的后续计算（如 PPO 算法的 advantage 估计），但原脚本本应如此配置以匹配 Ascend 性能优化。
- 影响：仅影响 Ascend 环境下使用该启动脚本的用户。PPO 脚本参数优化可提升训练吞吐。GRPO 脚本变量名修正可防止启动失败。
- 风险标记：配置变更

# 关联脉络

- PR #6807 [model] feat: add qwen3-122b long seq launch script for ascend: 同为 Ascend 启动脚本变更，修改了同一个 GRPO 脚本文件。