[qychen2001]

Problem and changes

修复 v5 RL 的 checkpoint 并发写入与逐样本日志，增加 worker 实际精度诊断。目标分支为 dev-swift-v5。

• Transformers save_pretrained 的 is_main_process=False 不能阻止当前版本写权重分片。现在完整模型仅由主 rank 写权重，所有 rank 仍参与模型/优化器状态收集；覆盖同步与异步保存。这不修复提前写入 trainer_state 完成标记的问题。
• 回复日志在 prompt 缺失时从 messages 补充题目，保留 messages、reasoning_content、completion_length、truncated。评分不变，不把 reasoning 当作最终答案。
• FSDP worker 构造策略时记录参数存储 dtype、mixed_precision 及完整 MixedPrecisionPolicy。关闭 BF16 的根因在配套 Swift builder 中修复，本仓库不改已有 BF16 policy 构造逻辑。

配套 Swift PR：modelscope/ms-swift#10451 （sampler 放置、共置日志调用、RL-04 精度与 RL-14 shuffle）。

Scope and compatibility

按用户要求，已通过 revert 完整撤回 optimizer_group 的 GA 更新边界、公共指标编号、Transformers/Megatron 双 RPC 事务指标以及相关测试修改。恢复修改前行为，本 PR 不再声明修复 RL-01。Swift 的配套步数预算和边界修改也已撤回。

Validation

• checkpoint writer CPU 测试覆盖主/非主 rank、同步/异步保存；completion logging 测试覆盖日志字段。
• 历史 8 PPU、Qwen3.5-4B colocate 实验确认单 writer 权重分片可读取及逐样本日志生成。
• 配套 Swift 精度/shuffle CPU 回归验证真实 FSDP policy；模型加载和远程构造为替身。
• 回退文件与 GA 修改前逐一核对一致。
• 此前 cur_step=12、4/8/12 更新和 96 completions 的实机结果依赖现已撤回的 GA 修改，不代表当前分支行为。早期配置为 BF16 的实机运行实际 mixed_precision=no，不能作为 RL-04 的 BF16 验收。
• 新增精度诊断及本次回退后未重跑多卡训练，没有异构/异步、Megatron 或 checkpoint 续训的完整实机验收。

PYTHONPATH=src python tests/transformers/test_checkpoint_writer_rank.py -v
PYTHONPATH=src python tests/agentic/test_completion_logging.py -v

[tastelikefeet]

注意下这里是否是 v5 分支的修改，如果是 main 分支已有代码，看看这里原先的设计是否本就有意义