verl-project/verl

修复 one-step off-policy E2E CI 工作流中的缩进错误。

此 PR 变更简单，无需精读。对于 CI 维护者或需要了解 one-step off-policy 测试配置的工程师，可以快速浏览以确认缩进修正的正确性。没有复杂的设计决策值得关注。

修复Megatron MTP损失在上下文并行（CP>1）时的死锁问题。

该PR值得精读，尤其是对于使用Megatron进行分布式训练的工程师。关注点在于：1. 死锁根因分析（CP rank参与all_reduce的必要性）。2. 设计权衡：通过分离参与all_reduce和写入指标的逻辑，既解决死锁又保持指标一致性。3. review中关于防御性编程的讨论，展示了实际工程中条件判断的边界考量。

新增同步PPO训练器，通过TransferQueue解耦数据流以提升大规模训练性能。

该PR值得精读，特别是新训练器架构和TransferQueue集成设计。关注点包括：控制流与数据流解耦的实现、KVBatchMeta的使用、tqbridge装饰器的工作机制。建议工程师学习其性能优化技巧，但需注意review中提出的未解决问题。

为GB200（aarch64/Blackwell）添加Docker镜像和训练示例，扩展硬件支持并适配测试。

建议技术管理者和工程师精读此PR，重点关注Dockerfile多架构设计决策（如统一x86_64/aarch64支持）、测试动态适配策略（使用`torch.cuda.device_count()`）以及硬件特定配置（如Blackwell的FlashAttention限制）。讨论中的设计权衡，如Dockerfile合并过程和依赖版本管理，也值得借鉴。

修复SGLang服务器返回空结果时导致的ValueError，增强日志概率提取的健壮性。

该PR值得精读，展示了如何处理外部服务（SGLang）返回数据不一致的防御性编程模式，特别是assert用于快速失败的设计决策。关注generate函数中meta_info获取和日志概率提取的重构逻辑。

修复VLM+Megatron在NPU环境下的注意力掩码形状适配问题，提升NPU兼容性。

建议精读此PR以了解VLM在Megatron框架下的掩码处理机制，特别是NPU环境的特殊适配。关注`build_vlm_attn_mask_bshd`函数中的序列长度对齐逻辑，这对理解分布式训练中的张量并行和上下文并行至关重要。

适配SGLang最新分支的_launch_subprocesses函数调用方式，确保向后兼容。

该PR值得快速浏览，特别是关注版本检测和导入逻辑的设计。对于维护sglang集成的工程师，可以学习这种通过版本检测实现向后兼容的模式。虽然变更较小，但展示了对外部依赖API变更的适配策略。

为 Ascend NPU 添加 nightly Docker 镜像 v0.7.1

该 PR 可读性中等，主要涉及基础设施配置。建议关注审查意见所提问题，在后续版本的 Dockerfile 中修复，特别是补丁机制和环境变量持久化。