verl-project/verl

修复 MLflow 运行结束记录，确保 UI 显示正确的结束时间和持续时间。

该 PR 修复了一个具体且影响用户体验（监控）的 bug，改动小而聚焦，测试覆盖完整，风险低。建议精读，以了解日志后端（特别是 MLflow）生命周期管理的实现细节，以及如何为类似后端添加 `finish` 支持。

修正 mcore 文档中错误的相对路径，使其指向正确的代码位置。

此 PR 是一个典型的琐碎文档修正，其内容清晰、正确且必要。虽然无需深入精读代码逻辑，但其体现的“保持文档与代码同步”的原则值得肯定。对于维护者和贡献者而言，这是一个快速合并、提升文档质量的范例。

更新昇腾教程文档中过时的外部链接和内部路径。

此PR为常规文档维护，无需精读。值得关注的实践是链接管理策略：将项目内部文档引用统一改为相对路径，并定期扫描修复外部失效链接，这是保障大型项目文档健康度的有效模式。

升级 Ascend A2/A3 镜像至 Megatron 0.18.0 并切换依赖栈。

这是一个重要的基础设施升级 PR，虽然不涉及核心算法或训练逻辑的改动，但它改变了 Ascend 平台上所有训练任务的底层依赖栈和运行时配置。对于使用 Ascend 的开发者或运维人员，此 PR 值得精读，以理解版本升级的具体内容和配置切换点，从而安全地完成环境迁移。对于不使用 Ascend 的读者，可以略过。

为 VeOmni 引擎新增基于流的异步激活卸载配置与实现，用于降低 GPU 内存占用。

本 PR 引入了一个重要的内存优化功能，值得精读。关注重点在于： 1. `_maybe_apply_async_activation_offload` 方法的设计和应用时机，这是理解异步卸载如何与 FSDP2 和梯度检查点协同工作的关键。 2. 配置项的语义和验证逻辑，特别是 `activation_offload_modules` 的模式匹配和 `activation_offload_host_cache_limit_gb` 的内存管理策略。 3. 移除同步卸载路径对整体架构简化的影响。 尽管 PR 合并时无 Review 讨论，但其实现逻辑清晰，关键设计决策在代码注释中得到了充分解释。这是一个“重大变更”（导入ance_score: 6），因为它引入了一个全新的内存管理子系统，并伴随配置的破坏性更改。

修复 LoRA 教程文档中已弃用的配置键引用，与代码保持同步。

该 PR 值得快速审阅和合并。它是一个典型的、有价值的文档维护工作，确保了教程的准确性和时效性。变更微小、意图明确、风险几乎为零，审核者可以放心批准。

修复融合线性输出头后端选择逻辑，使配置参数 impl_backend 生效。

值得精读，尤其是核心逻辑变更（`FusedLinearForPPO`）和配置传播设计。此 PR 展示了如何通过显式参数和属性传递来修复一个由隐式依赖引发的架构违规，对处理类似的可选后端集成问题有参考价值。建议关注其配置传播模式（模型实例属性 -> 适配器函数参数 -> 模块初始化参数）以及完整的测试覆盖策略。

更新 Qwen3.5-35B GRPO 示例脚本的序列长度和训练参数。

该 PR 值得精读，特别是对于负责维护训练示例和配置的工程师。虽然实现简单，但它展示了一个针对特定模型（Qwen3.5-35B）、特定后端（FSDP-Turbo）、特定硬件（NPU）和特定任务（长上下文 GRPO）的完整训练配置调整范例。关键的设计决策在于参数间的耦合调整（如增大序列长度后相应调整 `max_num_batched_tokens` 和 `val_before_train` 等流程控制）。