verl-project/verl

为fully_async训练模式新增验证生成样本的日志记录功能。

该PR值得精读，特别是review中关于样本捕获正确性的讨论，展示了在异步训练中处理分布式日志的典型模式。关注`ValidateMetrics`数据扩展和`ValidationGenerationsLogger`的使用方式。

为agent loop新增奖励计算耗时指标，用于定位训练瓶颈。

该PR值得快速浏览，可作为性能监控指标添加的参考模板。重点关注：1. simple_timer的使用模式；2. 数据类字段扩展的向后兼容设计；3. slowest样本索引的多指标聚合逻辑修正。

修复 PPO 训练器指标计算中空张量导致的崩溃，返回 NaN 以优雅处理边缘情况。

建议工程师阅读此 PR 以学习如何优雅处理空张量情况，特别关注 review 中讨论的设计决策，如对 `critic/values` 的双重检查和 Agentic RL 场景的解释。

为NPU硬件新增RLOO优势估计器训练示例脚本，并合并到现有GPU脚本中。

该PR值得NPU用户或需要参考RLOO配置的工程师浏览，重点关注设备参数化设计和NPU特定覆盖的实现方式。对于技术管理者，可关注团队如何通过review优化硬件兼容性和验证频率，体现了对用户体验的考量。

为 veomni 引擎添加 NPU CI 测试

建议阅读以了解 veomni NPU CI 的配置方式，尤其是合并测试脚本的模式。对于关注 CI 基础设施和 NPU 后端的工程师，本 PR 提供了可参考的集成范例。

修复TRT-LLM rollout中engine_kwargs覆盖KvCacheConfig导致配置丢失的问题。

该PR值得精读，特别是关注配置合并的设计决策。虽然变更简单，但展示了在多层配置传递中避免覆盖的关键技巧。建议关注gemini-code-assist[bot]提出的重复键和null值处理问题，这可能在类似场景中普遍存在。

修复fully_async训练中streaming_generation异常时monitor_task无法停止的问题。

该PR值得快速浏览以了解fully_async训练模式的异常处理机制。虽然变更简单，但展示了在异步训练中正确处理异常的重要性。关注点：finally块的使用确保了资源清理，这是异步编程中的良好实践。

更新 Ascend 相关文件的代码所有者，将 @FightingZhen 替换为 @wucong25。

此 PR 变更简单，无需精读。对于技术管理者，可关注代码所有者调整是否反映了团队职责变化；对于工程师，无需特别关注，除非涉及相关模块的维护工作。