verl-project/verl · 标签视图

将 PrecisionDebugger 文档移动到 ascend_tutorial 目录并简化配置示例。

该 PR 变更简单，主要涉及文档整理，无需深入精读。建议关注配置简化的合理性，并确认 summary_mode 变更是否与近期 PR（如 #5986）的 PrecisionDebugger 改进一致。

简化 PrecisionDebugger 配置，统一使用全局 profiler 控制步骤和保存路径。

该 PR 值得精读，重点关注配置简化设计如何统一 profiler 控制。推荐关注 PrecisionDebuggerToolConfig 类的变更和 PrecisionDebuggerProfiler 中路径与步骤逻辑的调整，这些是核心设计决策。对于使用 msprobe 的工程师，应仔细阅读更新后的文档以适应新配置方式。

将低精度训练文档（FP8和NVFP4 QAT）从advance目录移动到新建的low_precision子目录。

这是一个简单的文档重构PR，无需深入阅读代码。对于文档维护者，值得关注的是文档组织结构化的思路——将相关主题文档集中管理。对于开发者，可以快速浏览以了解低精度训练文档的新位置。

为NPU硬件新增RLOO优势估计器训练示例脚本，并合并到现有GPU脚本中。

该PR值得NPU用户或需要参考RLOO配置的工程师浏览，重点关注设备参数化设计和NPU特定覆盖的实现方式。对于技术管理者，可关注团队如何通过review优化硬件兼容性和验证频率，体现了对用户体验的考量。

修复 Ascend 教程文档中的拼写、链接和 shell 语法错误。

对于技术管理者，此 PR 可快速批准以保持文档健康；对于工程师，建议关注 shell 命令修正部分（如反斜杠使用），避免在类似文档中重复错误，并以此为契机审查其他文档的语法。

集成msprobe精度调试工具到VERL统一性能分析系统，支持Ascend训练侧数据收集。

建议技术管理者和工程师精读此PR，重点关注其如何将外部工具集成到统一分析器框架的设计决策，特别是阶段映射、模型解析和开销管理。值得关注`PrecisionDebuggerProfiler`类的实现和配置统一化方式，可作为类似集成的参考模板。

新增NVFP4量化感知训练文档，涵盖FSDP和Megatron后端的配置说明。

该PR值得快速浏览以了解NVFP4 QAT的配置概览，但文档中的两个未解决问题需要后续跟进。建议关注quantization_config_path参数的实际使用情况和模型名称的准确性，以确保文档与代码实现一致。

添加NPU常见问题解答文档，覆盖环境配置、调试和错误处理。

建议快速浏览以了解NPU常见问题，重点关注review中指出的配置键部分，实际使用时参考'reviewer建议'或配置文件'verl/trainer/config/npu_profile/npu_profile.yaml'。文档本身无需深入代码精读。