verl-project/verl · 标签视图

修复 CI 失败：E2E 补 max_model_len 并注释不稳定测试

值得快速浏览，不必精读。建议与 PR#7632 成对阅读，理解 verl 团队应对 vLLM chunked prefill 校验收紧的两层策略；同时留意 vllm.yml 中被注释的 determinism 测试是否有恢复计划。

uv 锁与镜像支持 aarch64 双架构，配套流程重写

值得精读。该 PR 展示了“架构作为解析维度而非 extra 维度”的 uv 多架构设计，以及两个非常具体的坑：nvidia-cusparselt-cu13 的 wheel 内部 tag 不一致导致 uv 反复重装、megatron-core VCS 版本号导致锁文件与实际构建不一致。这些细节对任何维护 uv 单锁多平台的团队都有借鉴价值；Docker 多架构构建与 manifest 合并的实操说明也可直接复用。重点关注 `pyproject.toml` 的 `[tool.uv]` 配置注释和 `docker/Dockerfile.uv.cu130` 的构建说明。

ROCm CI 容器固定 NUMA 节点，解决 e2e 超时

值得快速阅读，但不需要精读。它展示了一个很有价值的运维经验：在虚拟化环境（QEMU VM）下，容器自由调度导致的跨 NUMA 启动开销可能被误判为计算性能问题；`--cpuset-cpus`/`--cpuset-mems` 组合是恢复 NUMA 局部性的标准手段。对于负责 CI 基础设施的工程师，建议关注：1) NUMA 拓扑感知的容器调度实践；2) YAML folded scalar 中反斜杠陷阱（作者在 PR body 中特别提醒）；3) 这类硬编码硬件假设应记录到 workflow 注释或文档，以便环境迁移时更新。

Ascend 镜像改两阶段推送，规避 Quay GC 销毁中间镜像

建议镜像发布与 CI 维护同学精读该 PR：两阶段推送、digest 传递、防 GC tag、凭据隔离的组合是容器镜像 CI 的通用最佳实践。对一般训练框架使用者无需关注。后续可改进的点：将临时仓库迁移到组织级命名空间以消除单点依赖；为 merge 阶段补充 `DIGESTS` 为空时的显式失败断言；统一 a2/a3 的临时 tag 命名风格。

重组 Ascend 教程为中英目录并迁移 CI 到 a3

- 值得快速浏览 `zh/index.rst` 与 `en/index.rst` 的拆分方式，了解多语言文档在 Sphinx 中的组织模式。 - 关注 CI 迁移后第一个夜间运行的 `model_ascend.yml` 是否稳定，若 a3 镜像缺失需及时回退。 - 若团队后续维护 Ascend 文档，建议遵循 `zh/`、`en/` 目录约定，避免再次出现 `_zh/_en` 后缀冗余。

临时移除 Ascend CI nightly 测试作业以稳定性能指标。

此 PR 为低风险的 CI 维护变更，无需精读。建议关注后续是否完成分析并重新启用该测试作业。

统一进程组初始化后端为 cpu:gloo+设备后端

该 PR 值得精读，作为理解 veril 分布式初始化 back-end 处理的一个好例子。建议关注以下几点：1. 分离后端字符串的构造方式，以及如何将 CPU 操作显式路由到 Gloo。2. 如何通过对齐 ray 版本实现一致性，体现了代码复用和一致性设计。

修正 Ascend CI 步骤命名并禁用检查点保存

该 PR 属于低风险基础设施维护，建议快速合入。对于关注 CI 效率和可观测性的团队，值得了解 SAVE_FREQ=-1 在夜间任务中的使用方式。无需深度精读。