verl-project/verl

修复 trl 新版本下 value-head critic 导入崩溃

建议快速精读（约 5 分钟），是低风险、高收益的兼容性修复样板。值得关注的设计决策：（1）用 try/except 而非版本条件判断（如 `packaging.version` 比较）处理依赖 API 迁移，写法更简洁且天然向前兼容；（2）与 #6539 保持完全一致的导入模式，避免同一仓库出现多种兼容写法；（3）PR body 中「先自查 open PR 再提交」的去重流程值得团队沿用。后续动作建议：在 trl 1.x 依赖升级（#7478）落地时，全局扫描 `from trl import` 确认无其他受影响符号，并考虑补充导入级回归测试。

修复 CI 失败：E2E 补 max_model_len 并注释不稳定测试

值得快速浏览，不必精读。建议与 PR#7632 成对阅读，理解 verl 团队应对 vLLM chunked prefill 校验收紧的两层策略；同时留意 vllm.yml 中被注释的 determinism 测试是否有恢复计划。

uv 锁与镜像支持 aarch64 双架构，配套流程重写

值得精读。该 PR 展示了“架构作为解析维度而非 extra 维度”的 uv 多架构设计，以及两个非常具体的坑：nvidia-cusparselt-cu13 的 wheel 内部 tag 不一致导致 uv 反复重装、megatron-core VCS 版本号导致锁文件与实际构建不一致。这些细节对任何维护 uv 单锁多平台的团队都有借鉴价值；Docker 多架构构建与 manifest 合并的实操说明也可直接复用。重点关注 `pyproject.toml` 的 `[tool.uv]` 配置注释和 `docker/Dockerfile.uv.cu130` 的构建说明。

连续 token 将 generation prompt 融合进末组渲染，消除 O(N^2) 重复 tokenize

值得精读。三个看点：① 用能力钩子把默认优化路径与模板特定回退解耦，钩子语义（“generation scaffold 是否只由末组决定”）单一清晰；② 用录制型 tokenizer 单测同时锁定渲染次数与 `add_generation_prompt` 参数序列，把性能修复固化为可回归的行为契约；③ review 阶段在真实 tokenizer 上做 8 builder × 24 用例的逐 token 对比矩阵，是同类增量渲染改动最可靠的验证范式。合并前由 wuxibin89 一次 approve，说明方案在讨论阶段已收敛；阅读时建议结合 #7617 的调用链分析和 #7630 的 DeepSeek 覆写一起看。

扫描 758 个外部链接，修复 15 类失效链接（16 个文档文件）

该 PR 无代码，不值得精读源码，但建议文档维护者通读 PR body——它演示了一种高质量的外链维护方式：全量扫描、根因分类、逐条验证、对“不可盲改”的链接显式留待决策。值得关注的设计决策是作者对 `dapo.md` 中语义相关的链接保持克制、没有机械替换。建议跟进 Needs decision 列表，把 5 类遗留问题转成 issue 或在下一个文档清理 PR 中处理；长期看可为仓库引入 CI 链接检查（如 lychee）以遏制同类问题复发。

修复 fully-async 脚本中缺失的 sleep_mode 启用配置，保障 KV 缓存回收功能正常。

此 PR 值得精读，虽然代码改动微小，但它揭示了 vLLM 组件间一个关键的配置依赖关系（sleep mode 对 KV 缓存回收 API 的必要性）。对于维护或扩展 fully-async 功能的开发者尤其重要，需确保所有启动脚本的配置一致。

ROCm CI 容器固定 NUMA 节点，解决 e2e 超时

值得快速阅读，但不需要精读。它展示了一个很有价值的运维经验：在虚拟化环境（QEMU VM）下，容器自由调度导致的跨 NUMA 启动开销可能被误判为计算性能问题；`--cpuset-cpus`/`--cpuset-mems` 组合是恢复 NUMA 局部性的标准手段。对于负责 CI 基础设施的工程师，建议关注：1) NUMA 拓扑感知的容器调度实践；2) YAML folded scalar 中反斜杠陷阱（作者在 PR body 中特别提醒）；3) 这类硬编码硬件假设应记录到 workflow 注释或文档，以便环境迁移时更新。

vLLM 新增 delta_sharded 稀疏权重同步，实测提速约 8 倍

值得精读。这是 delta_sharded 从 SGLang 扩展到 vLLM 的关键一步，对理解 VERL checkpoint 引擎的扩展模式很有价值。重点看：① 坐标映射交由 vLLM 原生 loader 的架构分工（decode_delta_payload + CheckpointWeightPatch）；② 失败锁死与“整 session 重建”的运维语义；③ require_vllm_delta_support 的接口探测写法与 _preprocess_engine_kwargs 的拓扑 guard；④ 在无法运行真实路径的 CI 环境里，如何用版本无关回归测试（abort 传播、字节对齐）保护基础设施。