verl-project/verl

FSDP/VeOmni 新增 pad_to_length 减少 JIT 重复编译

值得精读的 perf 型 PR。重点关注三处设计：一是“按 attention workload 均衡分 micro-batch 导致 token 数越界，因此必须用细 bucket 而非固定预算对齐”的量化论证；二是 `prepare_model_inputs` 中补位时机（roll 之后、SP 切分之前）与 `_gather_and_unpad_packed` 统一裁剪的配合；三是 router replay 在补位下的掩码处理——补位 token 无 RECORD 记录所以必须 gate 掉走原生路由，而真实 token 打 gate 才会破坏 R2 bit-equal 保证。测试文件对这两个引擎用 `MagicMock` 桩掉 `veomni.*` 依赖的做法也值得复用。

Ascend 镜像升级至 CANN 9.0.1/Python 3.12 并清理无效构建步骤

不值得作为重点 PR 精读，可快速浏览。值得留意的是「删除不存在的构建文件」与「跟随 vllm 升级同步调整镜像」这类配套变更的协作模式：基础设施维护往往与上游依赖升级联动（如 PR#7238），在排查 Ascend 镜像构建失败时，应先核对 vllm 仓库文件结构是否变化。

更新 NPU 安装指导与多节点实践文档

值得快速浏览，不需要精读。关注点在于文档与仓库实际脚本（scripts/install_vllm_mcore_npu.sh）和依赖版本的同步情况，可作为后续 NPU 相关文档维护的参照。

修复 Megatron 非 vanilla 路径保存 ckpt 时忽略 strict 配置

值得快速阅读即可：单行改动澄清了 Megatron-Bridge 保存路径的 strict 透传设计。关注两点：一是 `checkpoint_config.strict` 的默认值及其文档语义，二是后续是否应为 strict=False 的导出场景补充测试。总体属于低风险修复。

新增 DRO 策略损失及 dro_beta 配置

值得快速精读，核心价值在于展示如何新增一个注册式策略损失并与统一聚合、rollout 校正权重对接。实现短小清晰，可作为后续扩展其他 policy loss 的样板。建议关注 `agg_loss` 的复用方式以及 `dro_beta` 的运行时校验设计；若团队计划推广 DRO，建议补充 GPU 冒烟测试和 beta 超参建议。

修复 THD 多维张量在 zigzag CP 下的序列维补零缺失

值得精读。这是一个小改动揭示典型一维假设问题的好案例：8 行修复解决了多维张量在 CP 下的系统性崩溃，且通过差分测试（2304 组对比）严格保证一维行为不变。值得关注的设计决策：reviewer 对作者分支方案的纠偏（更简单的统一逻辑通常更正确）、以及“用 shape[0] 而不是 numel 做序列长度判断”的普适性原则，对后续接触 THD/CP 预处理的工程师有直接参考价值。

VeOmni 引擎新增 DeepSeek V4 支持与 MXFP4 多后端回灌

值得精读。三个设计点有复用价值：一是 `_build_ops_implementation_config` 的「按已安装依赖字段动态过滤 + 显式设置即报错」版本解耦范式；二是 `_mxfp4_staging_data` 通过字节数等价的 view/dtype 重解释复用 live storage，把回灌的额外内存从「整份 MoE」降到「1/16 的 scale 缓冲」；三是回灌流程结束后用 leftover 检查兜底，任何不经过 `replace_parameter` 的路径都会显式失败。需要跟进的事项：为 Marlin 回灌与 converter 路径补专项测试、评估 `max_num_seqs` 全局默认调整、补充与 Megatron 的性能对比数据。

移除 RAY_DEDUP_LOGS=0，NPU nightly 测试恢复 Ray 日志去重

该 PR 是一次琐碎但清晰的 CI 清理，不值得精读源码。值得关注的设计点是：以回归 Ray 默认行为的方式清理冗余环境变量，比直接修改日志格式更轻量。若后续对 Ray 日志去重语义感兴趣，可查阅 RAY_DEDUP_LOGS 在不同 Ray 版本中的行为；同时可顺带检查仓库其他 nightly 脚本是否还有类似冗余环境变量需要一并清理。