verl-project/verl

标准化NCCL和NPU确定性训练环境变量，删除不存在的NCCL_DETERMINISTIC。

该PR值得快速浏览，以了解环境变量标准化的背景和AI幻觉问题的实际案例。关注点在于enable_full_determinism函数的设计，它统一处理不同硬件后端的确定性设置，体现了跨平台兼容性的考虑。

将文件日志器输出路径从相对路径改为绝对路径，提升调试便利性。

该PR变更简单，可快速浏览了解路径输出改进。值得关注的是review中暴露的潜在bug，建议后续PR修复目录创建逻辑。

为SFT训练器启用性能分析器并修复Megatron后端LoRA训练问题。

建议技术管理者关注数据集处理和分布式设置的风险点，工程师应精读`transformer_impl.py`中的LoRA权重同步逻辑和`engine_workers.py`的性能分析注解实现，以理解设计决策和潜在问题。

升级TRT-LLM镜像至1.3.0rc10，同步更新Megatron-LM和CI配置以提升兼容性。

建议技术管理者和工程师精读此PR，重点关注Dockerfile的依赖管理策略和`trtllm_async_server.py`中的索引安全修复。设计决策如权重标签的后向兼容性处理值得学习，以应对类似API升级场景。同时，注意review中未解决的DeepEP分支问题，可能需后续跟进以确保构建稳定性。

修复 VLM+Megatron 在 NPU 上的注意力掩码形状问题，适配 NPU 环境。

该 PR 值得精读，尤其是 NPU 环境下掩码处理的特殊设计（模型前向传 None，后处理保留 2D 掩码），这是硬件适配的典型模式。关注 `build_vlm_attn_mask_*` 函数的实现和 `is_npu_available` 的条件分支。

修复 Ascend 教程文档中的拼写、链接和 shell 语法错误。

对于技术管理者，此 PR 可快速批准以保持文档健康；对于工程师，建议关注 shell 命令修正部分（如反斜杠使用），避免在类似文档中重复错误，并以此为契机审查其他文档的语法。

修复检查点引擎管理器在driver进程未加载自定义后端模块的bug。

该PR值得快速浏览，了解检查点插件系统的driver-worker一致性设计。关注点：1. import_external_libs函数的设计（未在PR中展示，但推测是统一的外部库导入机制）。2. 与#5718的关联，理解完整的插件钩子实现。

修复Qwen3-235B模型在256K长序列场景下的Megatron并行配置和训练脚本错误。

建议技术管理者关注review中提到的并行配置错误是否已实际解决，并验证修改后的配置在目标硬件上的可运行性。工程师可参考该PR了解大规模模型训练的配置调整模式，但需谨慎评估并行度设置的合理性。