verl-project/verl · 标签视图

RL-Insight 日志器新增 span 与会话转发

值得精读 verl/utils/tracking.py 中的版本门控与降级设计：用 MINIMUM_VERSION + callable 检查 + 一次性告警的组合，让新 API 在不破坏旧依赖的前提下逐步演进。可结合 RFC 7509 观察跨仓库协作中的接口边界，后续 uni-agent 埋点落地后再回看 agent_loop_session 的实际消费情况。

移除已停服的 Gemini 代码审查配置

不需要精读，本 PR 属于工具链清理。值得留意的是仓库已将自动代码审查工具从 Gemini 切换到 Codex，后续 PR 的 review 评论会来自 chatgpt-codex-connector[bot]。

修复 Megatron 引擎下模型截断的解析

建议合并。该 PR 修复了一个明确的兼容性问题，代码简洁，测试覆盖了核心场景，且未引入公共 API 变更。对于 Megatron 流水线并行的用户，此修复是必要的。审核者可关注后续是否需要对更多角色路径进行测试。

集成RL-Insight可观测性框架

该 PR 适合精读，特别是 `RLInsightLogger` 的设计体现低入侵集成思路：通过环境变量跨进程传播状态、惰性初始化、统一门控。`DistProfiler.annotate` 的改造展示了多个 profiling 框架如何共存。测试覆盖了门控和并发场景，值得参考。

SkipManager 支持参数同步步长内多批量缓存

建议在后续 PR 中解决 review 指出的两个问题：保持 parameter_sync_step == 1 时向后兼容，以及清理不完整步骤目录。当前版本可用于实验，但生产部署需谨慎。该 PR 展示了 SkipManager 对 separate async 模式的适配思路，值得了解目录结构和合并逻辑。

修复 Qwen3 工具解析器中 eval 导致的 RCE 漏洞

值得合并。修复关键安全漏洞，代码简洁，测试完备。建议开发者关注 `ast.literal_eval` 的限制（不支持复杂表达式），但当前场景足够。

添加 Trackio 作为 rollout trace 后端

值得精读。该 PR 展示了如何以一致的设计模式扩展 verl 的追踪后端，对希望集成其他实验追踪工具的开发者有参考价值。核心实现（RolloutTraceConfig.init、rollout_trace_attr、_TrackioLoggingAdapter）逻辑清晰，适合作为模板。

为 Gemma4 添加专用工具解析器，支持多轮 agent 循环中的工具调用

该 PR 设计清晰，遵循了现有扩展模式，适合精读以了解工具解析器的抽象方式和不同模型的适配策略。建议关注 stop token 注入机制和响应格式化逻辑，这两个机制未来可能扩展至更多模型。另外，考虑为 tool parser 添加单元测试，减少对端到端测试的依赖。