VERL RL Quickstart

最小可跑的 VERL 强化学习流程（Ascend/NPU 友好）。

强约束

• 镜像版本 IMAGE_TAG：
  • 用户/运维已指定：必须使用其值
  • 未指定默认：
    • 910B: verl-8.5.0-910b-ubuntu22.04-py3.11-v0.7.1
    • A3: verl-8.5.0-a3-ubuntu22.04-py3.11-v0.7.1
  • 也可在 Quay tags 自选：https://quay.io/repository/ascend/verl?tab=tags&tag=latest
• 修改或新建 examples/**/run_*.sh 后，除非用户明确说“只写不跑”，必须执行一次冒烟（至少 trainer.total_epochs=1 trainer.test_freq=1），并返回日志绝对路径与 tail -f 命令。
• 使用 Megatron 训练后端时，use_flash_attn=True 作为默认参数必须开启（至少 actor 侧开启；若 ref 侧未继承则显式补齐）。

最小输入变量