verl-project/verl

在 Ascend 950 设备上启用 MXFP8 量化 rollout 支持。

建议关注硬件特定的量化实现细节，如 `restore_mxfp8_weights_for_loading` 和 `apply_mxfp8_transformation_after_loading` 函数的逻辑，这些设计有助于处理权重加载后的转换。对于使用 Ascend 设备的开发者，此 PR 值得精读以了解 MXFP8 量化集成的完整流程。同时，留意 review 中解决的兼容性问题，可作为类似硬件适配的参考。

修复 vllm 0.13 中 qwen3-moe 模型的权重加载问题。

建议工程团队仔细审查此 PR，特别是权重转置的逻辑设计和版本检查的实现。对于负责 vllm 集成的开发者，这是一个有价值的修复案例，可以借鉴其错误处理和代码优化策略。

更新 Ascend 后端文档，明确 VPP 与 mbridge 参数的不兼容性。

此 PR 是一个简单的文档更新，工程师可快速浏览以了解新约束，尤其在使用 Ascend 后端和 Megatron 时。无需深入技术细节，但值得关注以确保配置正确。

为 Megatron 模块添加检查点保存为 Hugging Face PEFT 格式的功能。

建议阅读 megatron_checkpoint_manager.py 和 megatron_utils.py 中的修改，关注如何处理 PEFT 状态字典、私有 API 使用以及向后兼容性设计。设计决策值得学习，尤其是向标准 API 迁移的策略和风险管理。

修复FSDP训练中动态批处理导致的CUDA死锁，通过传递dp_group参数确保micro-batch计数同步。

该PR值得精读以理解FSDP同步机制和动态批处理的实现细节。关键设计决策是使用WORLD作为dp_group确保所有rank同步，工程师可以学习如何避免分布式训练中的死锁问题。

删除 NPU CI 流水线中的镜像配置步骤，简化工作流。

这是一个简单的配置清理 PR，不值得深入精读，但可关注团队在 CI 配置标准化和去镜像化方面的趋势，以了解基础设施演进。

添加图像奖励支持，用于 FlowGRPO 训练，扩展奖励系统以处理视觉输入。

推荐技术管理者和工程师精读此 PR，关注 VisualRewardManager 的设计和奖励循环的多模态扩展。值得注意的设计决策包括奖励管理器基类的扩展、异步处理实现、以及通过配置驱动的奖励函数选择，这些对于理解仓库架构演进有重要价值。

修复 MultiTurnSFTDataset 中 NumPy 类型导致 Jinja2 模板渲染错误的问题。

对于处理类似数据流水线或 pandas/NumPy 类型转换的工程师，此 PR 值得快速浏览，以了解如何预防 Jinja2 渲染错误。但变更较为简单，核心洞察在于数据源类型处理的重要性，无需深入精读。