verl-project/verl

默认使用标准 pre-KL 奖励（rm_scores）进行 DAPO 动态分组过滤

此 PR 是一个**有价值且实现精良的功能增强**。它通过提供开箱即用的标准奖励过滤路径，显著简化了 DAPO 动态采样的配置，并提升了其与核心奖励计算流程的集成度。实现方案清晰，通过分支逻辑兼容了新旧两种指标读取方式，并附带了针对性强的单元测试。考虑到默认值的变更可能对现有用户产生影响，建议在发布说明中明确提示此行为变化。整体而言，**值得精读其核心逻辑分支和测试用例的设计**，以理解如何优雅地扩展现有功能并保持兼容性。

分离 rollout 和训练 profiler 窗口，修复 NPU/GPU 并发采集冲突导致数据丢失。

本 PR 是一个高质量、有针对性的 bugfix，解决了实际硬件平台上的关键问题。它不仅修复了核心逻辑，还显著增强了测试和验证基础设施。强烈建议精读其实现，尤其是三种 trainer 模式下 profiler 生命周期控制的新设计，这对理解 V1 架构的扩展性和健壮性有重要参考价值。实现逻辑清晰，测试充分。

为 torch_memory 分析器增加 CUDA/NPU OOM 自动快照和多步内存历史窗口。

该 PR 是一个高质量的增强功能，解决了一个常见的痛点。代码结构清晰，异常处理完善，测试覆盖全面。建议相关开发者（尤其是进行大规模训练调优的团队）精读其设计，特别是 OOM 回调的实现和多步窗口的配置使用。

为 vllm-ascend 添加 GLM-5.2 RL 训练兼容性补丁，修复 RMS 归一化、权重处理和内存同步问题。

这个 PR 是一个高风险的、临时性的兼容性修复，**建议仔细审查**。审查重点应放在：1) 补丁逻辑的正确性，特别是对 vllm-ascend 内部函数的 monkey-patching 是否完全复制了预期的修复（可对照 PR body 中提及的 commit `ca0420391`）；2) 源码自省逻辑的健壮性，确保不会在不匹配的 vllm-ascend 版本上错误应用补丁；3) 环境变量控制的清晰度。虽然缺少讨论，但 PR 本身的设计（条件启用、防止重复、优雅降级）显示出对临时补丁风险的充分考虑。对于任何计划在 NPU 上部署 GLM-5.2 的团队，此 PR 值得关注。

修复 Ascend A5 硬件因 HDK 版本问题无法开启 IPC 的 bug

本 PR 是一个重要的、针对性强的 bugfix。它解决了特定硬件上的功能阻断问题，且实现清晰，测试覆盖全面。推荐精读，关注点在于：1) `AscendHardwareVersion` 枚举的设计及其作为未来硬件适配扩展点的潜力；2) `get_npu_versions` 返回值签名变更的影响范围确认；3) 测试中通过 `@patch.dict(sys.modules, {...})` 模拟 `torch_npu` 模块的方法。

为 Continuous Token 构建器增加 rollback 风格的 assistant 角色上下文合并支持。

此 PR 是一个具有重要设计决策的功能增强。建议相关工程师精读，特别关注： 1. `merge_context_tokens` 和分组编码的新逻辑，以及 `MergeResult` 语义的变化。 2. 模型特定子类（尤其是 DeepSeek）如何通过钩子适配新逻辑。 3. `scripts/chat_template_checker.py` 中的更新，以理解 CT 的新行为如何被验证。 4. 新增的测试用例，特别是那些模拟 rollback 场景的，以理解边界条件。 该 PR 的洞察价值较高，因为它展示了如何通过引入中间层（钩子）和约束来解决一个复杂的、与模型模板紧密相关的工程问题，其设计模式值得借鉴。