# verl-project/verl 2026 年第 29 周周报（07-13 至 07-19）

- 仓库：`verl-project/verl`
- 周期：2026-07-13 至 2026-07-19
- 来源 PR：28
- 重点 PR：24
- 生成方式：自动生成
- 原文链接：http://prhub.com.cn/verl-project/verl/reports/2026-07-13-to-2026-07-19

---

## 执行摘要
本周共处理 28 个 PR（重点 24 个），聚焦于 Ascend NPU 兼容性修复、训练核心功能增强及可观测性建设。NPU 相关 PR 占比 43%，体现了对国产硬件生态的持续投入。重要新功能包括分片增量权重同步（#6974）、RL-Insight 可观测性（#6680）、LoRA-only checkpoint（#7061）以及流式数据加载与异步恢复（#7037）。多项严重 bug 得到修复，如 MoE 指标偏差（#7075）、Megatron CP>1 梯度爆炸（#6836）和视觉占位符 token 采样（#7038）。整体上，本周为即将到来的 v0.9 版本铺平了道路，但部分 review 遗留问题需在后续迭代中解决。

## 本周重点变化
- **NPU 兼容性提升**：恢复因重构丢失的 vLLM 补丁（#7076），修复注意力掩码构建 OOM（#7055），更新 Docker 镜像和 CI 脚本（#7035、#7081），同步 Qwen3.5 Dockerfile（#7028）。同时清理了过时的 NPU 补丁代码（#7042），降低维护成本。
- **训练性能与功能增强**：引入分片 delta 权重同步引擎（#6974），通过字节级 diff 和稀疏收集将权重同步速度提升 2-3 倍；支持流式数据加载（#7037），使 gen_batch_size 独立于 train_batch_size，并基于 TransferQueue 实现训练器检查点恢复。
- **监控与存储优化**：集成 RL-Insight 可观测性框架（#6680），支持 Grafana 展示训练指标和 RL 状态；LoRA-only checkpoint（#7061）将 27B 模型检查点从 54GiB 压缩至 150MiB。
- **严重 bug 修复**：MoE 负载均衡指标排除最后一个未路由 token（#7075）；Megatron CP>1 下 MoE 辅助损失梯度爆炸（#6836）；屏蔽视觉占位符 token 防止训练崩溃（#7038）；修复 Qwen3 XML 工具解析器对畸形结构的崩溃（#7044）。

## 模块与主题趋势
本周标签统计显示 bugfix 居首（12 次），NPU、CI、rollout 模块改动频繁。rollout 模块涉及工具调用、视觉 token 屏蔽和权重同步，多处修改集中于 `vllm_async_server.py`。NPU 模块有多达 12 个相关 PR，但仍有配置兼容性风险未解决。CI 相关 PR（8 个）持续优化，表明团队重视测试可靠性。checkpoint 领域同时新增 LoRA-only 和流式恢复能力，成为基础设施亮点。总体来看，项目正从核心功能开发转向稳定性增强和生产化准备，异步训练和可观测性是明显的发展方向。

## 风险观察
- PR#7035 在更新 Docker 镜像的 shell 脚本中设置 `enforce_eager=False` 且启用 `cudagraph_mode`，与 Ascend NPU 不兼容，可能导致 vLLM 初始化失败，该问题未修复即合并。
- PR#7032 的 SkipManager 在 `parameter_sync_step=1` 时破坏向后兼容，且中断运行可能引起数据污染，review 指出的问题未解决。
- PR#7024 的中英文 profiling 文档存在命令示例引号缺失和章节编号错误，用户直接复用可能失败。
- PR#6473 对 DeepSeek V4 的 MTP drafter 权重准备覆盖未明确验证，存在遗漏风险。
- PR#7042 移除旧 NPU 补丁后，依赖旧补丁的极端配置可能未完全清理，可能导致运行时错误。

## 重点 PR 速览
- **#6974 分片 delta 权重同步**：通过字节级 diff 和 NCCL 稀疏收集，仅传输变化的参数分片，在 Qwen2.5-7B/32B/72B 上取得 1.9-3.1 倍加速，是分离式异步训练的关键组件。
- **#7061 LoRA-only checkpoint**：新增 `save_lora_only` 选项，自动过滤非 LoRA 权重，节省约 98% 存储空间，支持自动检测与向后兼容，设计清晰。
- **#6680 RL-Insight 集成**：低入侵的可观测性框架，通过环境变量控制，零成本禁用，支持训练指标和 RL 状态 trace，适合生产监控。
- **#7075 MoE 负载均衡指标修复**：排除序列末尾未路由的 EOS/token，修正专家 0 负载虚高，确保负载均衡监控准确性。
- **#6836 Megatron CP>1 梯度爆炸修复**：计算实际路由 token 数并正确归一化 MoE 辅助损失，配合防护逻辑阻止不合理配置，对长上下文训练至关重要。
- **#7037 流式数据加载与异步恢复**：支持 `gen_batch_size` 独立配置、drop 与 refill 策略、基于 TransferQueue 的检查点恢复，显著提升训练灵活性和弹性。

## 后续建议
1. **优先修复 NPU 配置兼容性问题**：PR#7035 中 `enforce_eager` 设置需立即修正，避免 CI 阻塞；同时对齐 shell 脚本中的并行策略（如 #6973 中的 EP/DP 配置）。
2. **完善 review 遗留问题**：对 SkipManager（#7032）增加向后兼容和清理逻辑；确认 MoE 指标修复（#7075）后监控阈值是否需要调整。
3. **补充新模型测试**：为 DeepSeek V4 增加 MTP drafter 专项测试，确保权重传输全覆盖。
4. **建立 CI 模板规范**：避免硬编码路径（如 #6973 的 `/root`），使用环境变量或通用占位符，提升脚本可移植性。
5. **强化文档验证**：在 CI 中加入文档示例的语法检查，防止命令行引号缺失等问题流入主分支。