执行摘要

• 一句话：Ascend PPO 脚本启用 cudagraph 模式
• 推荐动作：该 PR 是一个简单的性能优化配置变更，技术理解价值有限。如果关注 Ascend NPU 训练性能优化，可参考该配置启用方式；但应留意 Gemini 评论中提到的序列化风险，建议在目标环境中测试验证。

功能与动机

在 Ascend NPU 上优化 PPO 训练性能，通过启用 vLLM 的 FULL_DECODE_ONLY cudagraph 模式来减少 GPU kernel launch 开销，无需额外代码修改。

实现拆解

1. 在 examples/ascend_extras/ppo_trainer/run_qwen3_8b_fsdp.sh 脚本中，在 actor_rollout_ref.rollout.engine_kwargs.vllm.compilation_config.cudagraph_mode="FULL_DECODE_ONLY" 一行追加到现有参数列表。
2. 该参数以 Hydra 命令行覆盖形式传递，直接生效，无需修改 Python 源码。
3. 配置仅影响 Qwen3-8B FSDP + vLLM 的 Ascend PPO 示例，不涉及其他脚本或模块。

关键文件：

• examples/ascend_extras/ppo_trainer/run_qwen3_8b_fsdp.sh（模块 示例脚本；类别 other；类型 core-logic）: 唯一修改文件，新增一行 Hydra 配置参数 cudagraph_mode="FULL_DECODE_ONLY"，启用 cudagraph 模式以提升性能。

关键符号：未识别

评论区精华

Gemini Code Assist 机器人指出直接传递嵌套 Hydra 覆盖可能导致 compilation_config 被解析为 DictConfig 对象，进而被 json.dumps 序列化时引发 TypeError。但 reviewer wucong25 仍批准了该 PR，未采纳机器人的建议。该风险在现有实现中是否已被绕过（例如 vLLM 侧已修复）尚不明确。

• Hydra 嵌套覆盖序列化风险 (correctness): 机器人建议改用 JSON 字符串传递，但 reviewer wucong25 批准了 PR，未采纳该建议。当前变更保持原样合并。

风险与影响

• 风险：评论指出的 Hydra DictConfig 序列化风险未被解决，若实际运行时 vLLM 侧的 json.dumps 未兼容 OmegaConf 对象，可能导致训练启动崩溃。但鉴于 PR 已合并且 reviewer 批准，可能该风险在 vLLM 后续版本中已规避，或实际参数传递方式与此不同。
• 影响：影响范围极小，仅修改一个示例脚本的一行配置。预期提升 Ascend NPU 上 PPO 训练的性能（cudagraph 模式减少 kernel launch 开销），无功能变更或回退风险。
• 风险标记：配置风险（Hydra DictConfig 序列化）

关联脉络

• 暂无明显关联 PR