verl-project/verl

修复DAPO overlong penalty配置门控条件

值得参考其防御性编程思路：断言条件应精准匹配实际激活路径，避免与配置语义矛盾。同时建议合并前确保实验版本的 `run_single` 也有 None 检查，但本 PR 未涉及。

修复全异步音频转发契约测试目标文件

建议合并。该 PR 修正了测试中的断言位置，使其与实际的转发实现一致，提高了测试的有效性和可靠性。值得关注的是，开发者在描述中已主动搜索了相似 PR 并确认无重复，体现了良好的协作习惯。

迁移 FullyAsyncLLMServerClient 至核心模块，供异步 trainer 使用

建议阅读此 PR 以了解异步训练中 rollout 客户端如何统一，并关注未解决的 LSP 问题。设计上迁移到核心模块是合理的演进方向。

引入统一Trainer抽象，支持同步与异步PPO训练模式

### 建议 本 PR 是 PPO 训练器的重大架构重构，值得所有开发者和高级用户精读。重点关注抽象基类的设计模式、TransferQueue 集成方案以及异步模式的生命周期管理。但分离异步模式尚未完成，不建议生产环境使用。建议在后续 PR 中优先修复配置路径错误、完成 `_compute_reward_colocate` 实现并补充更多测试覆盖。

为 NaiveRewardManager 添加 per-sample 超时机制

建议在以下场景启用：使用自定义 `compute_score` 可能存在性能波动（如基于规则的数学验证、符号计算）时。PR 设计谨慎，适合合入。后续可关注线程安全的超时机制（如 `concurrent.futures` 进程池）以替代信号方案。

新增 AMD ROCm 平台后端 PlatformROCm

本 PR 设计清晰，通过类继承与最小化覆写策略为 AMD ROCm 添加了一等平台支持。建议关注以下设计点：1）`PlatformROCm` 继承 `PlatformCUDA` 而非完全从零实现，适用于 API 兼容性高的场景；2）通过 guard 在父类中短路避免误检测；3）在 `rollout_env_vars` 中提供用户可覆写的默认值。该模式可供后续新硬件平台（如 Intel GPU）参考。

修复 LoRA 权重在 IPC 缓冲中的视图导致崩溃

值得快速合入。该 PR 修复了一个明确的 tensor 生命周期 bug，改动极小且安全。对于理解 verl 中 IPC 缓冲区与 LoRA 权重的交互有参考价值。

修复 chunked top-k 配置缺失导致的 AttributeError

该 PR 是必要的小修复，值得快速合并。精读价值不高，但可作为向后兼容性处理的典范（使用 `getattr` 加默认值处理可选配置字段）。