verl-project/verl

修复 CI 测试中模型路径使用本地缓存

简单修复，无需精读。但体现了在 CI 测试中使用本地缓存路径的最佳实践。

新增 NPU 模型与算法支持状态文档

值得快速浏览，尤其推荐给需要在 Ascend NPU 上选择训练配置的开发者。文档的结构可作为后续新增支持的模板。

新增 NPU 高级特性指南文档并重组结构

该 PR 值得 Ascend NPU 用户精读，尤其关注 SGLang 和 Megatron 的参数配置表格。对于团队内部，应重视 review 中发现的配置错误，确保未来参考示例的正确性。

同步 Trainer 支持 ReMax 算法

该 PR 在同步 trainer 中成功集成了 ReMax 算法，设计清晰，值得精读以了解如何通过贪心基线注入实现 variance reduction。但 PR 中已指出两个潜在问题（KeyError 和多轮奖励），建议在使用 ReMax 时注意检查多轮 reward 场景，并考虑加强 baseline 获取的健壮性。

拆分 Ascend 安装与快速启动文档

本 PR 为文档重构，建议用户查阅新版文档以获取最新安装指导。对于开发者，可关注文档结构和版本表的维护方式。

放宽 FSDP wrap 层名解析，支持部分缺失

此 PR 修复了一个真实阻碍训练的问题，代码简洁，测试覆盖良好，推荐集成。但建议在新 PR 中跟进 reviewer 提出的字符串类型归一化建议，以确保从配置文件传入字符串时的鲁棒性。

修复 FSDP 保存检查点时 tied weights 重复导致的加载错误

值得精读，尤其是理解 FSDP 与 Hugging Face transformers 检查点互操作的深层坑点。建议阅读 `drop_tied_target_keys` 实现和 review 讨论中关于 identity 检测与不变式维护的权衡。考虑为核心逻辑添加单元测试。

修复 fused kernels 在 Ulysses SP 下的标签滚动错误

此 PR 是重要的正确性修复，建议所有使用 fused kernels + Ulysses SP 的团队尽快合并并同步至下游分支。同时值得关注的设计决策是：由 engine 统一预滚动标签（而非在 fused forward 中重新计算），保持了单 SP 和多 SP 路径的一致性，避免了类似错误的扩散。