verl Source Reading Labs

Labs 用于把源码阅读结论转成可复现的观察。每个实验记录环境、source revision、resolved config、执行命令、关键 trace、结果和结论；不把一次运行中的偶然现象直接提升为通用知识。

实验列表

• Lab 01: Trace Config and Batch：跟踪 resolved config 和 batch field lifecycle。
• Lab 02: Custom Reward：实现并验证一个 function-based reward。
• Lab 03: Compare GRPO and PPO：在控制变量下比较两条 codepath。
• Lab 04: Multi-turn Tool Agent：验证多轮 tool trajectory、mask 和 reward。

实验记录规范

## Objective
## Environment
## Source Revision
## Resolved Config
## Command
## Instrumentation
## Observations
## Failure Analysis
## Conclusion
## Follow-up

大型训练前先完成 CPU unit test、config resolution 和小 batch trace。实验重点是验证字段和控制流，不追求 benchmark 分数。