"昇腾实战派"知识地图 — 强化学习

← 返回系列总目录 ｜ 覆盖 27 篇文章。⭐ 标记为公众号精选。

veRL 入门与实践

• Qwen3vl-8B基于veRL的强化学习训练适配流程 — 2025-12-30
• 【VeRL】Qwen3-30B-A3B-DAPO NPU实践指导 — 2026-02-13
• 【VeRL】Qwen3-235B-A22B 强化学习昇腾Atlas 800T A2复现与部署实践 — 2026-02-28
• Qwen2.5-VL-7B模型GRPO训练实践指南 — 2026-02-14
• 基于VeRL的ReactAgentLoop实践 — 2026-02-23
• 基于VeRL框架的GSPO算法在Atlas 800T A2服务器上实践 — 2026-02-14
• VeRL 强化学习训练框架代码架构与实践指南 — 2026-04-01
• Verl Full Async架构昇腾实践 — 2026-05-26

veRL 算法与原理

• VeRL框架下DAPO强化学习算法的实现解析 — 2026-01-18
• veRL 训推一致性工作及重要性采样代码演进分析 — 2026-01-16
• 强化学习场景分布式框架ray相关方案介绍 — 2026-03-02
• DAPO + TransferQueue：优化大规模策略优化算法的数据中转与性能 — 2026-05-26

veRL 性能优化

• verl异卡方案 — 2025-12-15
• verl partial rollout方案 — 2025-12-15
• veRL fully async training 全异步方案 — 2025-12-16
• VeRL-Megatron训练性能优化配置参考 — 2026-01-16
• VeRL 强化学习场景下NPU环境profiling使用指南 — 2026-03-01
• VeRL engine_worker使能记录 — 2026-03-01
• 从服务化推理和统一训练架构，到veRL异步profiling改造 — 2026-03-03

veRL 问题定位

• Ascend verl aclgraph图模式使能问题 — 2025-12-02
• Ray 40机集群veRL训练OutOfDiskError问题分析 — 2026-01-18

其他 RL 框架与算法

• 多模态生成强化学习框架DanceGRPO+FLUX模型部署 — 2025-11-03
• 完全分布式强化学习框架SiiRL适配昇腾及性能优化 — 2025-11-17
• 【MindSDK】OpenClaw-RL NPU部署洞察报告 — 2026-05-26
• slime 训练框架解析 — 2026-05-26
• 基于昇腾平台的SAPO训练实践 — 2026-05-26

公众号精选 ⭐

以下文章经华为计算 / 昇腾AI开发者公众号编辑审核发布。

• ⭐ 长序列场景下"Qwen3-235B+verl+DAPO"RL后训练的昇腾调优实践 — 华为计算, 2026-01-08

← 返回系列总目录