verl-project/verl

修复 agent-loop 测试不确定性，实现全确定性采样与调度

值得精读，尤其关注确定性 request_id 生成与测试配置注入的设计。对于任何面临 CI flakiness 的团队，该方案提供了从环境、采样、调度到 id 的完整确定性链路，可作为参考模板。建议阅读时着重理解 `_make_request_id` 的开关设计，以及 `AGENT_LOOP_TOOL_AGENT_ROLLOUT_CONFIG` 如何与 Hydra 配置系统衔接，这两点是复用到其他测试或生产场景的关键。

NPU 夜间 CI 改用 Ascend recipe 基线文件

该 PR 为运维性变更，若关注 CI 基础设施的配置管理，可精读工作流中环境变量和 curl 下载的使用方式。值得注意的设计决策是将基线来源外置，便于统一维护，但需配套监控外部仓库的可用性。未来若扩展至更多拓扑或 A3 基线，可参考此模式。

删除残留 ref.router_replay 配置，修复 Hydra dataclass 实例化报错

值得花 5 分钟快速阅读，作为“配置 schema 与 dataclass 一致性”的典型案例，建议与 #7466 合并阅读。关注点：(1) verl 用 omega_conf_to_dataclass + Hydra struct 模式实例化配置的机制，多余键会直接抛 TypeError；(2) 顶层死配置键如何分两步（#7466 删 actor 侧、本 PR 删 ref 侧）才清理干净；(3) 是否值得在 CI 增加生成配置与 schema 的一致性校验，防止同类回归。

Megatron Lite 文档重命名为 Agent Compose 预览，修正示例路径

值得快速浏览，不必精读。核心值得借鉴的是两条文档维护策略：一是用 naming note 显式标注“预览实现细节 vs 稳定 API”的边界，降低用户对旧标识符的误用；二是在上游重命名还在飞行时保留旧文件名、只改标题，用最低成本维护入站链接。对跟踪 Megatron 后端演进的读者，这篇文档是理解 verl 与 Megatron-LM experimental/agent_compose 协作方式的好入口。

移除 actor.router_replay 死键，路由回放统一走引擎配置

值得快速精读。这是一个典型的“配置死键静默失效”修复案例，核心看点是 review 中 wuxibin89 的“直接删除优于兼容”决策如何改变实现方向，以及用契约测试锁定配置 schema 的写法。对后续任何“文档与代码不一致、双份配置入口”问题都有参考价值。

新增 MindSpeed-Bridge 后端，支持 Ascend GDN 优化

该 PR 值得快速浏览：它展示了如何在 verl 示例脚本中通过环境变量开关引入新后端，以及 Hydra `+` 前缀键的用法。若团队正在规划 Ascend 后端支持，可将其作为脚本层参考；但无需精读，也没有核心源码逻辑值得深入分析。

separate_async 训练空闲 GPU 借给生成，wall clock 提速 12.6%

值得精读，尤其是两个设计点：① 自适应阈值调度——用「滞回步进 + 连续步数释放」的最小状态量避免频繁切换，并用滑动窗口切换成本 + 静态 scaling factor 建模收益，是资源借调类功能的经典范式；② 在 vLLM 无 KV-only release API 的约束下，用 `sleep(2)+wake_up(tags)` 组合近似目标语义，并把替代路径以 TODO 形式传递给上游，体现了务实的上游协同方式。对计划优化 separate_async 资源利用率、或在自研 rollout 引擎上做「借卡」能力的工程师，本 PR 是很好的参考实现。

修复 AgentLoop 默认 extra_fields 序列化 KeyError

值得精读。这是一个「5 行修复 + 完整回归覆盖」的教科书式 bugfix：根因分析精确到 Pydantic `exclude_unset` 与默认可变字段的语义组合，修复用 `setdefault` 保持了「序列化只读」的不变量。值得借鉴的设计点：1) 序列化/导出方法不应修改模型自身状态；2) 对「默认可变字段」的序列化缺陷，用三个最小用例把行为钉死；3) AI 辅助（Codex）参与实现时，PR body 完整披露并保留人工 review 的 draft 流程，适合作为团队 AI 协作规范的样例。