verl-project/verl

为`get_tensordict`函数添加详细的断言错误信息，提升调试体验。

该PR变更简单，但展示了代码风格一致性维护和潜在设计决策（assert vs exception）。建议开发者关注此类小修复以提升代码质量，并注意assert在生产环境中的使用风险。

修复两个训练脚本的配置错误，包括可能绕过数据验证的风险参数。

建议关注 sft 脚本中 `data.ignore_input_ids_mismatch=True` 的风险；该 PR 代码变更简单，但讨论揭示了重要数据验证问题，值得开发者了解相关权衡。

新增 Qwen3-235B 模型的 256k 长序列端到端脚本，并修复相关配置错误。

建议关注此 PR 以学习如何编写健壮的训练脚本和配置管理，特别是在处理长序列和分布式训练时的最佳实践。review 评论中的错误修复点和数据验证警告值得借鉴，有助于提升脚本质量。

新增 fully async DAPO 训练脚本，支持 Qwen3-30B 模型在 NPU 硬件上运行。

建议关注 review 中指出的 `overlong_buffer_len` 问题，在使用脚本前验证配置正确性。PR 本身变更简单，无需深入代码阅读，但可作为示例学习配置参数设置，并注意配置陷阱。

在 rollout correction 中实现 IcePop 算法，通过重用阈值字段支持范围截断。

建议技术管理者和工程师精读此 PR，重点关注 IcePop 算法实现细节（如 `_parse_rollout_is_threshold` 解析逻辑）和配置扩展设计（重用字段避免 breaking change），这些决策展示了兼容性权衡和模块化设计，值得借鉴于类似功能添加场景。

修复训练器在恢复检查点时在 epoch 边界无声失败的 bug。

对于涉及训练恢复、检查点管理或 dataloader 状态处理的开发者，此 PR 值得快速阅读以了解边界条件处理。重点关注 `_load_checkpoint` 中的条件判断设计，以便在类似场景中应用。

在vllm补丁中添加对Qwen3.5 MoE模型在Ascend平台上的支持。

该PR值得快速浏览以了解vllm补丁扩展模式，重点关注条件检查的优化设计（从`or`操作符改为元组）和版本兼容性的处理方式（TODO注释）。对于涉及Ascend或qwen3系列模型的开发者，可精读以理解模型支持的具体实现。

修复 SGLang rollout 在完全异步模式下启用 FP8 量化时的异步生成器错误和配置初始化问题。

该 PR 值得精读，重点关注异步编程模式和配置初始化顺序的设计决策，对于处理混合同步/异步场景有借鉴意义。