verl-project/verl

替换 Qwen2.5 测试用例为 Qwen3

该 PR 为常规的 CI 模型升级与清理，技术复杂度较低，但展示了测试脚本演变和 CI 配置管理方式。建议阅读以了解 Ascend 测试用例的组织结构，并留意 reviewer 提出的配置优化建议（如移除冗余 critic 参数）。重点关注 `test_check_profiler_output.py` 中移除计数检查的权衡——在简洁性和严格性之间需根据实际输出特点取舍。

修复 FullyAsync 未初始化 _dump_executor 的 bug

本 PR 为一次精准的 bugfix，改动小、风险低，建议快速合并。对于关注 fully_async 功能的开发者，可以留意 _init_dump_executor 和 validation_generations_logger 的后续维护，确保与基类变更保持同步。

修复PPO actor LoRA检查点丢失训练元数据

值得阅读的 PR，展示了如何通过扩展 CheckpointManager 而非修改 trainer 来支持新功能，以及基于分布式后端设计（FSDP vs Megatron）决定是否复用已有机制的权衡决策。review 中关于 Megatron Bridge 的讨论尤其值得关注。

修复 SGLang resume_kv_cache 缺少 free_cache_engine 守卫

建议快速合并，属明确的一行 bugfix，逻辑对称性已验证。

升级vLLM至0.20.2，适配FP8和server API

该PR值得仔细阅读，特别是`vllm_fp8_utils.py`中通过unittest.mock.patch适配上游API的“猴子补丁”模式，以及Dockerfile构建参数的抽象策略。这些实践可用于其他类似升级场景。

新增 Qwen3-VL-30B Megatron 启动脚本

该 PR 值得合并，它扩展了 model 覆盖范围。建议后续补充验证结果或与现有 CI 集成。

修复 GRPO shell 脚本中 DEVICE 变量未初始化

此 PR 为小范围 bug 修复，简单直接，值得快速合并。代码审查中提出的风险（stdout 污染、硬件可用性检测）在实际使用中可能性较低（`torch_npu` 在标准安装下不输出 stdout 信息），且社区已有类似用法，可接受。建议未来对类似自动检测逻辑进行统一抽象。

修复 Ascend Docker 构建文档

该 PR 为纯文档更新，建议合并后通知 Ascend 用户。无需深入审查，但可关注文档与目录文件的同步状态。