verl-project/verl

通过按模型隔离重构 NPU 补丁，避免单模型缺失导致全部补丁失效

该 PR 值得精读，特别是注册表+延迟导入的错误隔离模式，对需要加载多个可选模块的场景有参考意义。建议关注其后续是否添加 rank 0 日志控制。

修复 Ascend CI 中 Megatron 和 Bridge 版本

建议快速合并以修复 CI。

为 vLLM rollout 和 reward model 增加完全确定性支持，实现端到端可重现训练

该 PR 值得精读，尤其是以下几点设计决策：1）确定性路由使用 `hash(request_id)` 而非 random 选择，确保跨运行时一致；2）以 priority 作为 request_id 的基础，避免 `uuid4()` 引入的随机性；3）RM 序列化作为 vLLM classify 路径不支持的妥协方案。建议团队在文档中明确说明确定性训练的限制（仅 single-turn Agent Loop、RM max_num_seqs=1、性能开销大），并在启用时使用专用的配置 profile。

Megatron优化器状态与DDP梯度桶对齐模型类型

该PR值得精读，尤其是精度感知优化器与DDP梯度桶的联动设计。对于关注显存优化的团队，建议评估后启用，并在各自任务上进行收敛性验证。

修复DAPO错误并为NPU nightly CI新增三个基线

值得合并以提升NPU CI的自动化检测能力。可关注后续夜间CI日志确认基线文件路径正确性，以及检查合并后的测试是否覆盖了原独立步骤的所有用例。

Continuous Token 多轮令牌持续化机制

值得精读。该 PR 是精心设计的架构演进，展示了如何优雅地处理多模型家族下的 tokenization 通用性。关键设计亮点包括：Builder 钩子模式、模型家族自动推断、两层验证检查器。建议在后续多模态支持和默认启用后再深入评估与旧路径一致性。

修复 fully async trainer 指标日志偏移

该 PR 值得合并，修正了指标日志偏移问题。建议关注 Gemini 机器人的评论，确认 `_fit_postprocess_step` 是否真正负责指标聚合，必要时可后续调整调用顺序或增加单元测试覆盖指标日志逻辑。

新增 Ascend Qwen3.5-122B 长序列 GRPO 启动脚本

对于需要在大规模 Ascend 集群上运行 Qwen3.5-122B GRPO 训练的开发者，可直接参考此脚本进行调整。脚本中的环境标志和并行配置值得学习。