verl-project/verl

对齐 VLM THD 序列长度，修复 Megatron SP 崩溃

建议精读，尤其是正在维护 Megatron VLM / 序列并行 / 上下文并行前向路径的工程师。值得关注的三个设计点：一是「SP scatter 要求 S 能被 tp_size 整除」这一硬约束通过 padding 在模型入口处满足，而不是在 scatter 处打补丁；二是 CP>1 时对齐粒度取 `tp_size * cp_size * 2` 的推导（zigzag 切分保证单 rank 局部长度仍可被 tp_size 整除）；三是把对齐逻辑收敛到 `build_vlm_attn_mask_thd`、让 fused 路径复用，避免两套实现继续分叉。同时应把 Copilot 的测试建议当作待办跟进：补一个覆盖 B=1、4026 这类奇数长度的 CPU 单测，断言输出 S 可被 `tp_size`（CP>1 时为 `tp_size * cp_size * 2`）整除，并在 CP 分支校验每个 rank 拿到完整切片。

新增 Ascend NPU batch-invariant 开关回归测试（14 例）

值得精读，但读的是测试脚手架而不是代码改动本身。 - 重点看 `run_on_npu` 的 spawn 子进程隔离设计：对于会在全局注册 torch dispatch 表或替换 `torch.sum`、`torch_npu.npu_add_rms_norm` 这类入口的开关，进程级隔离是唯一可靠的隔离手段，这套写法可直接迁移到其他 NPU 补丁测试。 - 重点看 `_run_check` 如何用真实 `vLLMHttpServer` 加最小 mock（模型元数据 + Ray 上下文 + 引擎配置单例）触发真实的 `init_batch_invariance()`，避免了「只测 mock」的假阳性，同时不付出加载权重与拉起推理引擎的代价。 - 关键设计决策：enabled/disabled 双向断言（特别是 disabled 时要求 `batch_invariant_ops::` 事件数必须为 0），这比只测开启路径更能捕获 dispatch 注册泄漏。 - 若要真正确认能力，建议后续补一个跨 batch size 的一致性用例：同一条样本分别放进 batch=1 与 batch=N 比较 logprob 位级一致，才覆盖 `full_determinism` 的语义；并补齐 CI 收集与算子包安装的验证，避免长期 skipped。 - 维护建议：把对 `bi._batch_invariant_LIB` 等私有符号的依赖在注释中显式标注为「随 vllm-ascend 版本可能变动」，并在 PR 描述中把文件名与 body 里的 `test_batch_invariant_switch.py` 对齐。

Ascend 镜像与 NPU 单测默认加载 megatron_adaptor 并修正依赖 tag

建议中低强度精读：改动只有 11 行，但位于「镜像构建 → patch → CI」的关键路径上，维护 Ascend 镜像、NPU CI 与 Megatron 后端的同学花 5 分钟读完即可。最值得关注的设计决策有两处：一是 `VERL_USE_EXTERNAL_MODULES` 是否应无条件写进镜像 ENV，还是让下游启动脚本显式开启；二是 Megatron-LM/MindSpeed 的 tag 引用是否应集中维护，避免 Dockerfile 与安装脚本各写一份、日后再次漂移。

修复 V1 异步训练恢复后重复提交 warmup 导致的跳样本与窗口溢出

建议精读，尤其是维护 V1 异步训练与 checkpoint 恢复链路的同学。三个值得关注的设计决策：(1) 门控依据从「reissue 动作返回值」改为「恢复状态占用计数」，揭示了恢复类逻辑应以状态而非动作结果做门控；(2) 预取窗口的度量单位由 batch 改为 prompt，并配套 `_add_prompts_to_generate(missing_prompts)`；(3) 恢复池超额时「只保不缩」，用日志而非裁剪处理异常状态。此外，Begunner 在 review 中指出反例并直接提交修复的协作模式，以及 PR body 中明确标注 AI 辅助定位、人工逐行复核的做法，都值得作为流程参考。后续建议补齐两个覆盖缺口：带 `global_steps` 过滤的计数测试，以及打通真实 replay buffer / dataloader 的集成测试。

修复 Mooncake 检查点引擎中跨权重版本未消费完成槽位导致的缓冲区过早释放问题。

此 PR 值得精读。它解决了一个在分布式权重同步中微妙但严重的数据竞争条件，修复方案精准且最小化。对于从事分布式训练、检查点引擎或 RDMA 通信的工程师，理解其设计（尤其是完成槽位的双缓冲消费模式）非常有价值。建议关注其手动验证的严谨性，并思考如何为这类底层修复补充自动化测试，以防未来回归。

新增 GLM-5.2 模型在 Ascend NPU 上的 32 节点 GRPO 训练示例脚本。

该 PR 是一个有价值但无需精读代码的示例脚本提交。**值得精读的程度较低**，因为变更仅为一个 Shell 脚本，不涉及核心逻辑。**但值得关注的设计决策和配置**包括： 1. 如何为 GLM-5.2 这类 MoE 模型在 32 节点规模下配置专家并行（EP=64）和推理并行（INFER_EP=64）。 2. 针对 Ascend NPU 优化的 Megatron 配置细节，如 `use_fused_rmsnorm=True`，`experimental_attention_variant="dsa"`。 3. GRPO 算法的具体参数设置（如 `clip_ratio_low=0.2`, `clip_ratio_high=0.28`），这反映了该训练配方的具体调优思路。

移除昇腾夜间 CI 中冗余的 Megatron Bridge 安装步骤，简化工作流。

此 PR 是一个简单直接的 CI 配置清理，旨在移除冗余步骤。对于需要了解 Ascend NPU CI 环境配置或 Megatron Bridge 依赖情况的工程师有参考价值。对于其他开发者，此 PR 的精读价值不高，快速了解其意图即可。

为 AMD/ROCm 平台补充自动检测和注册断言的测试用例。

这是一个标准、低风险的测试补充 PR，旨在提升硬件兼容性测试覆盖。建议精读以了解 verl 平台抽象层的测试设计模式，特别是如何通过模拟环境变量和断言注册表来验证多平台支持。对于负责平台适配或 CI 配置的工程师，此 PR 值得参考。