Aug 14, 2026 12 min read Featured
两个 verl 修复 PR 的完整拆解:#7150 与 #7151
从框架链路、bug 成因、修复取舍到验证纪律,拆解我提交给 verl 的两个正确性修复 PR。
大模型算法、训练系统与工程实践的学习笔记。
Tag
3 essays under this label.
从框架链路、bug 成因、修复取舍到验证纪律,拆解我提交给 verl 的两个正确性修复 PR。
用 rollout-only、train-only、指标、checkpoint 和分层决策树定位 OOM、NaN、乱码、Ray pending、权重不同步与性能瓶颈。