verl-project/verl

为Ascend CI新增Qwen3-0.6B和GRPO profiling用例

该PR是常规CI维护改进，值得关注其新增测试的模式，可用于参考如何添加新的CI测试。

为 Ascend A2G3 设备添加 FLOPS 估算值

该 PR 值得快速合入，它修复了 Ascend A2G3 用户的 MFU 指标计算问题。对于关注硬件兼容性的团队，这是一个学习如何扩展设备 FLOPS 表的良好示例。不涉及复杂设计决策，无需精读。

新增Ascend NPU Qwen3-32B GSPO训练脚本及文档链接

对于需要在Ascend NPU上使用GSPO算法训练Qwen3-32B的用户，此PR提供了可靠的参考实现。建议关注以下几点： - GSPO的配置差异点（对比GRPO）：`loss_mode=gspo`、`loss_agg_mode=seq-mean-token-mean`以及不使用KL惩罚。 - FSDP2与vLLM rollout的协同配置，特别是序列并行度（SP_SIZE）和TP的分配。 - 环境变量对性能的影响，可按需启用jemalloc等优化。 整体而言，该PR设计清晰，适合作为在Ascend上运行GSPO的基础模板。

为 Ascend 镜像添加 Megatron 组件

建议合并，但需确认 bot 指出的续行符问题已在第二个 commit 中完全解决。同时建议后续跟踪镜像构建日志。

修复 OPD 训练中 teacher 温度配置引发的崩溃

值得快速合并，是一个纯增益的低风险修复。可关注后续项目级日志配置清理 PR。建议阅读 `_get_teacher_sampling_params` 的注释以了解 Hydra 插值导致的配置传播问题。

修复 Sphinx 文档侧边栏与主内容同步滚动问题

该 PR 为轻量级前端修复，值得关注的是其利用 Sphinx 内置对象修改行为的方式，可作文档定制参考。实现简单、风险低，建议合入。

修复 GLM-4V processor 类名匹配 bug

建议合并，并考虑补充 GLM-4V 的单元测试或 E2E 测试，避免类似回归。

修复 partial_rollout 禁用时丢弃中止样本的逻辑

可以合入，修复了废弃样本重试的逻辑。后续若 OmegaConf 配置访问方式统一，可考虑使用 `OmegaConf.select` 替代 `hasattr`。