作者 HollowMan6 · 合并时间 2026-03-26 16:21
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。
作者 JenniferWang · 合并时间 2026-03-26 16:06
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。
作者 yyyy2000 · 合并时间 2026-03-26 15:57
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。
作者 chenyingshu · 合并时间 2026-03-26 15:54
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。
作者 khazic · 合并时间 2026-03-26 13:46
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。
作者 hchings · 合并时间 2026-03-26 11:53
修复 TRTLLM rollout 非 VLM 模型部分加载逻辑，从禁用改为启用。
建议相关工程师阅读此 PR，以理解 TRTLLM rollout 部分加载逻辑的修正，特别是涉及异步处理的设计决策，有助于在类似场景中避免错误。
作者 JacobHelwig · 合并时间 2026-03-26 11:52
添加教师模型colocate模式，支持在rollout后计算教师logprobs。
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。
作者 wuxibin89 · 合并时间 2026-03-26 11:40
废弃legacy FSDP和Megatron workers，默认启用新engine workers实现。
建议工程师精读此PR，以理解legacy workers的弃用策略和新engine workers的设计。重点关注`verl/trainer/main_ppo.py`中的动态导入逻辑，以及`verl/workers/engine/`目录下对value模型的支持增强，这些是架构迁移的关键决策点。同时注意review中未解决的deprecated消息问题，可在未来PR中修复。
参与讨论