Prhub
← 返回仓库详情

标签聚合

verl-project/verl · 标签视图

标签列表

聚合结果

teacher 相关 PR

2026-03-26

#5745 [2/2][rollout,trainer] feat: Teacher colocate mode

作者 JacobHelwig · 合并时间 2026-03-26 11:52

功能 重要性 6.00 洞察度 7.00

添加教师模型colocate模式,支持在rollout后计算教师logprobs。

trainer rollout teacher distillation

建议技术管理者和工程师精读此PR,特别关注教师logprobs计算路径的设计决策,如stream_teacher_with_rollout标志的使用和批处理实现。同时,检查review中指出的bug是否已在提交历史中妥善解决,并评估测试覆盖是否充分。

2026-03-25
重构 重要性 6.00 洞察度 5.00

重构教师模型对数概率计算,移动至专用管理器以提升模块化。

teacher distillation

建议技术管理者和工程师精读此PR,关注设计决策如分离关注点、处理循环依赖和初始化顺序修复。重点关注verl/experimental/teacher_loop/teacher_manager.py中新类的实现,以及agent_loop.py中的修改逻辑,以理解重构带来的模块化改进和潜在风险。