verl-project/verl

集成msprobe精度调试工具到VERL统一性能分析系统，支持Ascend训练侧数据收集。

建议技术管理者和工程师精读此PR，重点关注其如何将外部工具集成到统一分析器框架的设计决策，特别是阶段映射、模型解析和开销管理。值得关注`PrecisionDebuggerProfiler`类的实现和配置统一化方式，可作为类似集成的参考模板。

新增 Qwen3.5-122B Megatron 启动脚本，支持 32 GPU 大规模 GRPO 训练。

该 PR 对于需要运行 Qwen3.5-122B 或类似大规模模型的工程师值得参考，特别是关注 Megatron 并行配置（如 TP、PP、CP 设置）和模型特定限制（如 GDN 注意力格式）。建议精读脚本中的配置注释，以了解架构权衡和未来优化方向。

新增NVFP4量化感知训练文档，涵盖FSDP和Megatron后端的配置说明。

该PR值得快速浏览以了解NVFP4 QAT的配置概览，但文档中的两个未解决问题需要后续跟进。建议关注quantization_config_path参数的实际使用情况和模型名称的准确性，以确保文档与代码实现一致。

修复所有CI流水线，升级transformers至5.3.0和vLLM至0.18.0以解决兼容性问题。

建议工程团队精读此PR，重点关注模型兼容性修复（如rope_theta处理和visual输出解包）和权重同步逻辑重构，这些设计决策展示了处理重大依赖升级时的系统化方法，对类似升级有借鉴意义。

添加NPU常见问题解答文档，覆盖环境配置、调试和错误处理。

建议快速浏览以了解NPU常见问题，重点关注review中指出的配置键部分，实际使用时参考'reviewer建议'或配置文件'verl/trainer/config/npu_profile/npu_profile.yaml'。文档本身无需深入代码精读。

更新完全异步DAPO训练脚本，调整超参数以对齐同步脚本的奖励进展。

建议相关实验人员仔细阅读该脚本的变更，特别是超参数调整的逻辑。对于研究异步训练调优的工程师，可以关注staleness_threshold和PPO token长度计算的调整策略。普通开发者无需深入阅读。

统一PPO训练器配置，通过model_engine参数替代独立Megatron配置文件

该PR值得精读，因为它是配置系统的重大重构，涉及设计决策如model_engine参数的使用和配置分层。建议关注review中指出的风险点，检查配置迁移指南或文档更新，并验证Megatron工作流的兼容性。

修复vLLM因SGLang优化跳过权重恢复导致的同步错误

该PR值得精读，尤其关注SGLang与vLLM在权重恢复机制上的差异，以及如何通过简化条件逻辑解决跨引擎兼容性问题。建议结合PR #5769理解上下文。