verl-project/verl

清理 drop_tied_target_keys 导入别名

值得快速合并，作为 #6334 的清理。对于关注代码整洁和导入规范的团队，此 PR 展示了如何及时处理 review 反馈中的遗留问题。

回退 distillation 在 use_remove_padding=False 的修复

此 PR 值得关注其背后的设计权衡：在分布式蒸馏输出修复中，如何同时保证两个 padding 分支的对称性与序列并行兼容性。建议阅读 #6350 和相关讨论以理解完整上下文。短期内，受影响用户可切换至 `use_remove_padding=True` 作为临时规避。

修复 Ascend 教程文档的链接错误

该 PR 是常规文档维护，合并已通过审核，无需进一步操作。对于 review 中提出的路径疑似重复问题，建议后续验证 `parameter_and_metrics.md` 是否确实承载了 `verl特性支持` 的内容，若不然可另开 PR 修正。

新增 NPU 模型迁移指南

建议如下： - **NPU 适配开发人员**：精读全文，重点关注训推一致性对齐、性能优化和 DSA 定制化适配章节。 - **文档维护者**：关注后续更新，确保配置和链接不过时。 - **其他开发者**：可快速浏览结构，了解 NPU 迁移全貌。

Ascend 文档目录重构与内容优化

建议阅读本 PR 的文档结构变化以了解当前 Ascend 文档的组织方式，但不建议直接引用其中的路径和配置示例（因存在已知错误）。后续应追踪修复评论中提出的问题，并为删除的文档设置重定向或通知。

修复向量化 GRPO 低方差组的缩放异常

该 PR 值得精读，尤其是 `groupwise.py` 中方差计算的数值稳定性改进，以及 `core_algos.py` 中 `eps` 传递的设计权衡。建议熟悉 GRPO 实现细节的工程师关注。变更小而精确，测试覆盖充分，可以快速合并。

修复 tool 响应截断方向错误

建议精读此 PR，特别是测试用例的设计方式，其清晰展示了如何通过 Mock 模拟复杂的 agent loop 行为并进行断言。核心逻辑变更虽小，但体现了对配置语义一致性的细致追求，值得借鉴。后续可考虑补充 `max_tool_response_length=0` 边界情况的测试和修复。

修复 no-rmpad 下 distillation top-k 输出缺失

该 PR 值得精读，原因有两点：1）展示了如何处理主干分支之间的对称性 bug，以及对 review 反馈的快速响应；2）通过添加一个简洁的 CPU 单元测试有效地捕获了回归，测试设计（使用桩引擎、fake processor、两种 padding 输入构造）可作为同类测试的参考。