VeRL Training Flow
导言
这篇文章聚焦 verl 的训练链路：RayPPOTrainer.fit() 如何组织 rollout、reward、logprob、ref 和 actor update，以及这些阶段如何通过 worker 和 DataProto 串起来。
2026¶
RL Infra Series
导言
这个目录不是单篇文章，而是一条从 数据流 出发，逐步展开到 训练、推理、异步、checkpoint、性能优化和特性矩阵 的写作路线图。
Work Reporting
核心观点
汇报不是把做过的事情机械罗列给别人看，而是把 目标、交付件、进展、风险、下一步行动 压缩成可决策的信息。好的汇报既帮助上级及时掌握项目状态，也帮助自己理清工作思路、暴露错误路线，并为后续复盘留下材料。
Search, Ads, and Recommendation
导言
搜广推 是很多大厂的核心业务，除了马斯克的X开源了算法核心，其余公司也在AI化。
RL: xPU Mismatch - metrics
导言
RL 模型迁移后的精度比对，相较于 SFT 模型迁移的精度比对，难了很多。
经常出现一个难解问题，前20步reward等指标两者差异较小，但是之后就偏移很大。
叠加
- 指标繁琐，但不解决问题：虽然指标多，但都是表象/结果指标，难以说明差异来源。
- 耗时长：RL单步1h+，SFT 20s；慢两个数量级，迭代缓慢。
- 流程更复杂：涉及到推理和权重转换；
- 资源压力大：训推+评测模型权重，RL的显存和机器资源压力更大。
Muon Optimizer + FSDP
导言
muon 优化器在FSDP场景下 ，xtuner以及业界先进方法是如何实现的。
Muon Optimizer
导言
muon 优化器在 kimi，deepseek 等模型已经大规模使用了。浦江下一代模型也将使用muon。
My Digital Worker : New Coding Way Part0 —— Building AI-Coding Env
导言
随着AI模型的能力越来越强，我们要做的就是像SE一样描述清楚需求边界，然后让AI去干就行了。
但是由于安全保密，或者不同公司开发软件的历史原因，如何搭建一个AI Coding的环境直接第一步就难住了：
- 问题场景：黄区开发，根本连不上外网；
- 解决方法：允许蓝区开发
- 问题场景：客户都是k8s集群调度机器，都是虚拟出来的机器，只提供一个web的terminal调试界面。代码是在跳板机上修改，然后挂载同步到实际申请到虚拟机上。
AutoFuse
导言
- DeepSeek V4 加大了与Ascend的合作；
- 在华为稼先上的技术报告，除了Ascend C对attention有算子优化；
- 通过pytorch的算子自动融合 AutoFuse 处理一些非常规的计算，可以实现E2E加速31%。并且说可以修改一行之间开启。
故了解相关概念，但是实际上 AutoFuse只适合非常规计算特别多，又没有人力投入的情况，可以考虑AutoFuse。但是对于Qwen3.5 这种优化后就只有一半Matmul/GMM，一半GDN的情况，AutoFuse接入的收益就不足了。
TileLang & Mega-kernel
导言
- triton 虽然主流，大部分硬件都支持，虽然能快速拿到一部分收益，但是却较难极致性能。
- 但是Ascend C / PyPTO 又过于Ascend定制化，(
学了怎么跳槽啊) - 寻找一种更底层，支持极致性能的通用算子编程语言，是极致性能优化里不可或缺的一环。