vllm 的ray后端属实奇诡，ray stop有残留，flush打印被吞（虽然输出能标记ip，折叠重复，在master输出），ray集群的环境变量固定不变导致DP无法实现多机。

为此考虑使用torchrun实现多机并行。

看这篇，LLM实践：分布式训练框架的编程基础

写得太好了，由浅入深。

DP

HW24年狠抓了训练，但是推理性能稍微落下，dsv3的出现，强化学习的爆火，反过来对推理性能提出了很高的要求。为此高性能的vllm推理框架变成了hw首先适配的目标。

1. 一方面我需要大致了解vllm框架的设计，
2. 另一方面，我主要需要关注vllm-ascend实现了哪些接口。

来hw的这小半年成，从PTA到MM又来到DeepseekV3，接触了很多代码，但是却还是常陷入代码细节阅读困境，难以理解如天书般的垃圾代码。往往陷入代码细节，一读读几天，并且经常难以产出阶段性成果。

如何快速代码上手，

1. 通过代码外资料(LLM介绍，流程结构图，开源完善实现),
   1. 快速理解代码背后的概念，。e.g.，MOE，EP
   2. 简单了解开源代码实现思路，亮点。
2. 跑通最小样例，通过执行调用栈（类似VizTrace），从整体和上层来理解当前代码框架。
3. 聚焦没有实现的代码部分，或者性能瓶颈，递归仔细分析。

作为卖NPU AI加速卡的软件员工， 目标是将昇腾的底层算力与上层多模态应用需求精准对接，释放昇腾AI算力，让客户看到NPU的性能、性价比、易用性、客户自身业务的使用需求。

• Deepseek 的 GRPO 方法展示了强化学习的潜能。
• RLHF 利用复杂的反馈回路，结合人工评估和奖励模型来指导人工智能的学习过程。(RLHF = 人类偏好数据 + Reward Model + RL（如 PPO）, 所以RLHF是RL的一种实践方式)
• DPO 采用了更直接的方法，直接运用人的偏好来影响模型的调整。
• Step-Video论文介绍了Video-DPO, 这类训练中最后通过人工标注优化的方法。

Step-Video论文详细介绍了AI 系统的一些构建细节。

阅读Step-Video-T2V代码（git id d3ca3d6），移植到昇腾。

平时里对未来的车和房子有些小要求，防止忘记随手记录一下。

当时我选择一线的原因是决定能最解决客户，每个工作能产生最大的价值。

通过一段时间的开发，我感觉在一线开发就像在泥潭里前进：走得越快越远，泥潭陷得越深，前进阻力越大。

困境为何而来，如何解决困境，是我想讨论的重点。

在交付PTA需求的时候，发现需求在测试人员的更大的测试规模下出现了问题：

在增多了不同的测试样例，和不同的测试设备(910A,910B,310P)时；程序是否可执行，性能是否达标，精度是不是正常；都有待监控。

说明在开发过程中，我构建个人的每日测试框架，持续监控开发的测试和性能。

集成 windmill-labs / windmill。