verl-project/verl

DDP 梯度精度对齐优化器，消除 BF16 训练内存浪费

值得精读。这是「默认值继承陷阱」的典型案例：一个被省略的配置项让框架默认值悄悄改变了训练内存布局。最小 diff（+10/-12）修复真实缺陷，设计上采用 FP32-by-default + 显式 override 优先的合成策略，可复用到其他后端配置推导（如 FSDP 的 reduce_dtype）。测试中用 `object.__new__` 绕过重型初始化的技巧，适合在依赖复杂的引擎类上做轻量单测时借鉴。

TorchTitan 引擎接入分片 delta 权重同步，最高提速 17.2×

值得精读。三个设计决策尤其值得学习：(1) 用数学分析而非特判接纳 `_StridedShard`——右到左切割只置换 block 归属而非交错 block，`compute_local_shape_and_global_offset` 已返回置换后偏移；(2) 用 slot table 而非 probe-driven 转换器解决 lockstep gather 下的命名一致性问题；(3) gather 组的「变化 Shard 维、固定其他维」构造避免 HSDP 副本浪费，并按 rank 集合缓存保证 `dist.new_group` 的建组顺序一致。若要在 verl 中为新的 trainer 引擎接入 delta 同步，本 PR 是很好的实现模板。

将 Ascend CI 脚本默认 GPU 数从 16 改为 8

作为常规 CI 配置修正，值得快速整合。可借鉴其按硬件规格调整默认参数的做法，建议后续检查其他类似脚本是否存在类似硬编码。

回退 Ascend CI 工作流中 Megatron 依赖版本，修复测试失败。

这是一个低风险、高必要性的基础设施维护 PR，**值得快速合入**以恢复 CI 稳定性。审查者应确认回退后的依赖版本（镜像内版本）确实是已知稳定的版本。长期来看，团队应关注 Megatron 在 Ascend NPU 上的兼容性测试策略，考虑建立更健壮的依赖管理或定期同步验证机制。

回退异步广播，修复 NPU 权重更新时 hccl error

值得快速浏览，作为"性能优化在硬件专属路径上引入回归后被回退"的典型案例：提醒在 HCCL 等硬件专属通信路径上做并行化/异步化改造时，必须有对应 NPU 环境的测试覆盖。无需精读，技术含量有限，但可在 release note 中记录此次回退以避免他人重复踩坑。

新增 Ascend Docker 受支持镜像标签文档

值得快速浏览（约 1 分钟）：对 Ascend 部署用户有直接参考价值。值得关注的模式是把"最新 / 版本发布 / 模型专用 / 历史归档"分表组织，兼顾检索效率与历史留存；建议后续在 docs/ascend_tutorial 安装文档中引用该文件，并考虑用 CI 校验表格标签与实际 Dockerfile 的一致性。

修复 fused-MoE 专家权重被 fp8 量化过滤遗漏的问题

值得精读，尤其关注 `is_fp8_weight()` 的白名单设计。这是一个典型的“注释意图与实际实现不一致”导致的静默 bug：注释写的是过滤 bias，实际却把所有非 `.weight` 结尾的参数都排除了。修复引入 `_FP8_CANDIDATE_LEAVES` 白名单作为快速路径，同时把真实的 fp8 资格判定留给模块 dtype 检查，设计思路清晰。但建议后续补充：1) 针对 fused-MoE fp8 模型的单元测试（即使只能 mock 模块层级）；2) 将 `w13_weight`/`w2_weight` 的属性名也纳入统一的映射常量，避免白名单与属性访问逻辑漂移。

识别 is_shuffled 标志，修复 AITER FP8 权重 refit

值得快速精读。虽然改动只有 10 行，但蕴含两个有价值的工程模式：一是当设备端变换不改变 tensor 元数据时，需要额外的信号位（`is_shuffled`）来追踪布局状态；二是 `vllm_fp8_utils.py` 的 docstring 对 vLLM 权重内存池（discard-and-rezero、NaN 哨兵填充）有深入解释，适合作为 FP8 / refit 相关开发的必读材料。建议 FP8 与 ROCm 支持组的成员关注，并推动补齐 ROCm AITER 的端到端回归测试。