Skip to content

🚀 [2026/06/18] Recent Updates Summary for ROLL Project #464

@PanAndy

Description

@PanAndy

大家好!感谢大家对ROLL的关注。ROLL发布了v0.3.0版本,新增Video RLVR、AgentRunner 2.0、MTP训练、Router Replay、Multi-Teacher OPD等重要特性;新增OpenTelemetry可观测性支持;强化mcore_adapter能力;扩展NPU/AMD硬件适配。以下是近期更新的一些梳理,我们将持续对ROLL进行迭代更新,欢迎加入ROLL的社区。

🚀 亮点

  • 新增 Video/Audio RLVR 训练支持(Video-R1 reward)
  • 新增 AgentRunner 2.0 抽象,解耦Agent交互逻辑,支持更灵活的多轮Agent场景
  • 新增 RemoteBatch 惰性数据传输机制,优化大规模 image/video/long_context logits 跨Worker传输
  • 新增 MoE Router Replay (R3),MoE模型训练时复用rollout阶段的路由决策
  • 支持 Qwen3.5/3.6 MTP (Multi-Token Prediction) SFT/RL 训练
  • 新增 OpenTelemetry 分布式追踪,提供端到端可观测性

🚀 主要新特性

Pipeline

  • 新增 Video/Audio RLVR Pipeline,支持视频、音频理解场景的强化学习训练(Qwen3Omni系列模型)
  • 新增 Multi-Teacher On-Policy Distillation 支持,[文档](docs_roll/i18n/zh-Hans/docusaurus-plugin-content-docs/current/User Guides/Pipeline/on_policy_distill_pipeline_start.md)
  • 新增 LLM-as-Judge Server 模式,支持独立部署 judge 服务,示例配置

Agent Native 2.0

  • 新增 AgentRunner 抽象,解耦"Agent如何与环境交互"与"训练样本构造",[设计文档](docs_roll/i18n/zh-Hans/docusaurus-plugin-content-docs/current/User Guides/Agentic/agent_runner.md)
  • 新增 ProxyEnvManager / MessageTracker,支持更复杂的Agent交互模式,[设计文档](docs_roll/i18n/zh-Hans/docusaurus-plugin-content-docs/current/User Guides/Agentic/prefix_aggregation.md)
  • 新增 Atropos 环境集成,示例配置
  • 新增 OpenReward 环境集成,示例配置

mcore_adapter

  • 新增 MTP (Multi-Token Prediction) 训练支持(standalone/joint两种模式),[使用文档](docs_roll/i18n/zh-Hans/docusaurus-plugin-content-docs/current/User Guides/Advanced Features/mtp_training.md)
  • 新增 Router Replay (R3),MoE训练时复用rollout路由决策,减少重计算开销,[使用文档](docs_roll/docs/User Guides/Advanced Features/router_replay.md)
  • 新增 Fused Entropy CE kernel,TP=1场景下加速交叉熵计算
  • 新增 PP Stage Compile Warmup,Pipeline并行编译预热
  • Qwen3.5/3.6系列 VLM sequence packing 优化

RemoteBatch 传输优化

  • 新增惰性数据传输后端,支持 image/video/long_context 场景下大规模数据高效传输,[使用文档](docs_roll/i18n/zh-Hans/docusaurus-plugin-content-docs/current/User Guides/Advanced Features/remote_batch_transfer.md)
  • 基于TransferQueue优化 Ray Worker 间存储管理

Observability

  • 新增 OpenTelemetry 集成,支持分布式追踪,[使用文档](docs_roll/i18n/zh-Hans/docusaurus-plugin-content-docs/current/User Guides/Advanced Features/opentelemetry_tracing.md)
  • 新增 OTEL Receiver,pipeline各阶段端到端tracing

FSDP2

  • 新增 Qwen3 MoE patch,支持 MoE 模型 FSDP2 训练
  • LoRA模型支持优化
  • FSDP2 / EP并行支持

Docker

  • 新增 NPU A2/A3 Docker 镜像
  • 新增 AMD torch2.8.0/torch2.10 Docker 镜像

Hardware

  • NPU:新增 A2/A3 适配,修复 FSDP2 相关问题,新增 Ascend 全流程文档
  • AMD:新增 torch2.10 支持,ROCm参数同步优化

Models

Performance 优化

  • do_checkpoint pin_memory 优化
  • GC 优化
  • low-memory checkpoint convert

Bug Fix

  • fix sglang & vllm 偶现 port conflict
  • fix reward worker metrics 透出
  • fix vllm GDN attention mixed decode/spec-decode crash(vllm < 0.17.2)

Deprecated

  • DeepSpeed Strategy(third_party代码已移除)
  • Wan RewardRL(生成模型的RL训练重构中)

TODOs

  • Multi Agent 支持
  • Full vocab version Multi-Teacher OPD

Metadata

Metadata

Assignees

No one assigned

    Labels

    No labels
    No labels

    Type

    No type
    No fields configured for issues without a type.

    Projects

    No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions