#6876 [ci] chore: add Ascend multinode nightly CI
原始 PR · 作者 wangdongleix · 合并时间 2026-06-29 14:27
基础设施
重要性 6.60
洞察度 4.00
添加 Ascend 多节点 nightly CI
值得关注的是 RayJob 提交模式的设计，可复用类似场景。但脚本和配置细节较贴合内部 CI 环境，外部参考价值有限。
verl-project/verl
verl: Volcano Engine Reinforcement Learning for LLMs
PR 列表
2026-06-29
功能
重要性 9.00
洞察度 6.00
新增 rollout MoE 负载均衡指标并移除旧 VeOmni 监控
适合团队精读，特别是 `RolloutMoELoadBalanceMetricsAccumulator` 的设计（跨步聚合、配置驱动）以及为兼容不同配置嵌套的专家数推断策略。建议关注其如何通过 accumulator 模式避免每次训练步都计算和传输大量数据，而是批量处理。对需要实现类似指标聚合的模块有参考价值。
2026-06-27
#6862 [worker] fix: Update external_lib config annotation in HFModelConfig to allow a list of string
缺陷修复
重要性 4.53
洞察度 3.00
修复 external_lib 类型注解以支持字符串列表
简单的一次类型放宽，适合快速合并。开发者无需精读，但可关注 OmegaConf 中类型注释的最佳实践：使用 `Any` 替代联合类型以规避框架限制。
2026-06-26
#6846 [fsdp] fix: re-wrap fused log_probs/entropy when `use_remove_padding=False`
原始 PR · 作者 Mecoli1219 · 合并时间 2026-06-26 17:03
缺陷修复
重要性 6.54
洞察度 5.00
修复 fused kernel 在 no padding 模式下的布局不匹配崩溃
建议精读以下两点：(1) 理解 fused kernel 输出与 no padding 模式下 nested tensor 布局的适配逻辑；(2) 注意 boolean mask 实现相对于 `narrow+unbind+cat` 的性能优势，可推广到类似场景。
config
重要性 2.91
洞察度 2.00
修复 Ascend 启动脚本的参数和拼写错误
简单维护性 PR，无需精读。对于在 Ascend 上复现实验的用户，建议同步更新脚本。
缺陷修复
重要性 3.92
洞察度 2.00
修正 typo：clip_cvo_ratio → clip_cov_ratio
可快速合并。该 PR 虽小，但提高了代码质量，值得其他开发者借鉴——保持文档与代码一致。
缺陷修复
重要性 5.57
洞察度 4.00
修复 rollout_is_seq_fraction 无法跳变
建议合并。虽然改动小但修复了一个真实死指标，便于用户监控极端权重比例。
2026-06-25
基础设施
重要性 2.95
洞察度 1.00
修复 Megatron-SGLang Ascend CI 安装步骤
可快速合入，无需深入 review。
参与讨论