执行摘要

• 一句话：更新Ascend CI Docker镜像标签并移除旧Qwen3.5构建工作流
• 推荐动作：### 建议
  1. 立即修复shell脚本：将 enforce_eager 改回 True，并移除 cudagraph_mode 配置，以保持与Ascend NPU的兼容性。
  2. 验证CI新镜像：检查所有更新标签后的CI工作流是否正常运行，尤其是nightly和e2e测试。
  3. 关注讨论中的未解决意见：虽然PR已合并，但留下了一个已知问题，建议在后续PR中解决。

功能与动机

根据PR标题和描述，目的是更新Ascend CI的Docker镜像标签，确保CI使用最新构建的镜像。这可能是因为之前的镜像标签格式不够规范或需要统一命名，以及Qwen3.5的专用构建工作流已被新的通用工作流取代。

实现拆解

实现拆解

1. 删除旧Qwen3.5专用构建工作流：删除 .github/workflows/docker-build-ascend-a2-qwen3_5.yml 和 .github/workflows/docker-build-ascend-a3-qwen3_5.yml，共移除约246行。这两个工作流用于构建Qwen3.5专用Docker镜像，可能已被合并到通用工作流中。
2. 更新CI工作流的镜像标签：修改 nightly_ascend.yml, model_ascend.yml, e2e_ascend.yml 等8个CI工作流文件，将容器镜像标签从类似 verl-9.0.0-910b-ubuntu22.04-py3.11-latest 的格式统一替换为 latest-cann9.0.0-torch_npu2.9.0post2-910b-ubuntu22.04-py3.11-vllm 的格式，明确包含CANN和Torch版本等详细信息。
3. 修改GRPO训练示例配置：修改 verl/experimental/one_step_off_policy/shell/grpo_qwen3_8b_gsm8k_fsdp2_8_8_npu.sh，将 actor_rollout_ref.rollout.enforce_eager 从 True 改为 False，并添加了 cudagraph_mode 配置。但此修改在Ascend NPU上可能不兼容，因为CUDA graphs不受支持。

关键文件：

• .github/workflows/docker-build-ascend-a2-qwen3_5.yml（模块 CI工作流；类别 infra；类型 deletion）: 删除此文件，移除了Qwen3.5专用Docker构建工作流，是本次变更中最大的结构调整。
• .github/workflows/docker-build-ascend-a3-qwen3_5.yml（模块 CI工作流；类别 infra；类型 deletion）: 与上一个文件对称，删除A3版本的Qwen3.5专用构建工作流。
• .github/workflows/nightly_ascend.yml（模块 CI工作流；类别 infra；类型 infrastructure）: 包含最全面的镜像标签更新，覆盖多个job，是理解变更核心的入口。
• verl/experimental/one_step_off_policy/shell/grpo_qwen3_8b_gsm8k_fsdp2_8_8_npu.sh（模块 实验脚本；类别 other；类型 configuration）: 该脚本的配置修改可能引入Ascend NPU兼容性问题，是讨论焦点。
• .github/workflows/model_ascend.yml（模块 CI工作流；类别 infra；类型 infrastructure）: 同样更新了镜像标签，且是模型测试CI的一部分。

关键符号：未识别

关键源码片段

.github/workflows/nightly_ascend.yml

包含最全面的镜像标签更新，覆盖多个job，是理解变更核心的入口。

# 更新 CI 容器镜像标签（部分示例）
# 旧标签格式：verl-9.0.0-910b-ubuntu22.04-py3.11-latest
# 新标签格式：latest-cann9.0.0-torch_npu2.9.0post2-910b-ubuntu22.04-py3.11-vllm
jobs:
  build:
    container:
      # 变更前
      # image: swr.cn-southwest-2.myhuaweicloud.com/modelfoundry/ascend-ci/verl/verl:verl-9.0.0-910b-ubuntu22.04-py3.11-latest
      # 变更后
      image: swr.cn-southwest-2.myhuaweicloud.com/modelfoundry/ascend-ci/verl/verl:latest-cann9.0.0-torch_npu2.9.0post2-910b-ubuntu22.04-py3.11-vllm
  # 更多类似更新见实际文件

评论区精华

讨论焦点

• gemini-code-assist[bot] 指出在Ascend NPU上CUDA graphs不受支持，设置 enforce_eager=False 并启用 cudagraph_mode 会导致vLLM初始化失败。建议改回 enforce_eager=True 并移除 cudagraph_mode。然而，该评论未被采纳，PR在无进一步讨论的情况下被批准合并。这可能导致NPU训练环境出现运行时错误。

• Shell脚本enforce_eager设置与NPU不兼容 (correctness): 该问题未解决，PR仍被批准合并。

风险与影响

• 风险：### 风险分析
• shell脚本配置不兼容：grpo_qwen3_8b_gsm8k_fsdp2_8_8_npu.sh 中 enforce_eager=False 和 cudagraph_mode 的设置与Ascend NPU不兼容，直接使用将导致vLLM崩溃。这是未解决的高风险问题。
• 镜像标签变更：新的Docker镜像标签指向新构建的镜像，可能包含不同的依赖版本，存在回归风险。需要CI验证通过。
• 删除旧工作流：如果还有外部依赖引用旧工作流，可能会受影响。但考虑到是CI内部文件，影响可控。
• 影响：### 影响分析
• CI系统：所有Ascend NPU相关的CI工作流都将使用新的Docker镜像，可能带来依赖或行为变化。
• 开发者：使用 grpo_qwen3_8b_gsm8k_fsdp2_8_8_npu.sh 脚本运行GRPO训练的开发者将遇到NPU兼容性问题。
• 团队：需要尽快修复shell脚本配置，并确保新镜像在CI中通过测试。
• 风险标记：shell脚本NPU配置不兼容, CI镜像更新依赖验证

关联脉络

• PR #7028 [env] fix: Sync Qwen3.5 Dockerfile from 0.8.0 Branch to Main and Pin PyArrow Version: 同样涉及Qwen3.5 Docker镜像的同步和修复，与本文删除Qwen3.5专用构建工作流有间接关联。
• PR #7008 [doc] refactor: update ascend docker name: 更新了Ascend Docker镜像命名规范，本PR进一步应用了新的命名格式。
• PR #7039 [env] chore: add megatron-bridge in sglang docker env: 同为Ascend Docker环境变更，但侧重不同镜像。