verl-project/verl

README 新增 VeRL-Omni 预发布新闻

变更简单明了，无技术风险。建议批准合并。

异步写入 JSONL 并传播 I/O 异常，释放训练循环

值得精读。展示了在不影响训练精度的前提下，将 I/O 异步化并正确管理资源与异常传播的实践。`_shutdown_dump_executor` 的设计（drain 所有 future 再关闭）可作为后台任务清理的标准模式。适合关注训练性能和数据可靠性的工程师。

标记 main_ppo.py 和 RayPPOTrainer 为弃用

建议合并前修正 review 中提出的问题：修正拼写错误，并将消息改为仅传递替代模块名称（如 `"verl.trainer.main_ppo_sync"`），而不是完整句子，以利用 `deprecated` 装饰器的自动格式化功能。

NPU 内存 allocator 设置重构：从环境变量迁移到统一函数

建议精读此 PR，并关注其中引入的回归问题。虽然 PR 本身方向正确（统一路径），但缺少对 `TrainingWorker.__init__` 中调用 `set_expandable_segments(True)` 的补充，可能导致 NPU 上功能退化。推荐在合并后补充该调用。

修复同步 Trainer 中 extra_info 合并问题并升级 TransferQueue

值得精读，特别是 `BatchData.concat` 的手动合并策略展示了如何在三方库升级（TQ v0.1.7）后处理兼容性问题。同时可学习清理调试代码和配置扩展的最佳实践。

删除已废弃的 sglang_multiturn 文档引用

该 PR 是常规的文档维护，不具精读价值。但团队处理文档资产腐化的及时性值得肯定。

新增 Ascend950DT 的 FLOPS 配置

简单配置变更，无需精读。建议后续确认硬件名称字符串是否与 `get_torch_device` 或实际设备信息对齐。

新增 OPD 算法文档与多教师示例脚本

建议团队尽快修复 review 中指出的教师池配置问题，避免用户踩坑。OPD 文档内容详实，可作为算法参考和用户教程。对于想了解蒸馏进阶用法的开发者，推荐精读 `docs/algo/opd.md` 中的 MOPD 和 Policy Gradient 部分。