feat(recipe): add Ascend Megatron OPD recipes

[egangu]

交付内容

关联社区任务：#21

本 PR 在独立 opd/ 目录交付两条经过四卡验证的 Megatron + vLLM Ascend OPD 配方：

• Qwen2.5-0.5B student <- Qwen2.5-3B-Instruct teacher，GSM8K，forward_kl_topk、top-k 64；
• Qwen3-VL-2B-Instruct student <- Qwen3-VL-4B-Instruct teacher，Geo3K，K1、top-k 64、policy-gradient weighting、无 task reward。

同时包含：

• 单文件中英双语算法适配调优文档；
• 可由仓库安装器解析的 REQUIRED_VERL.txt；
• Qwen3-VL ragged MRoPE 和 reverse-KL finite-value 的独立兼容 patch。

核心 VeRL 改动对应 verl PR #7333。recipe 现固定官方 release/v0.8.0，并在源码安装时应用仓库内兼容 patch，不再依赖个人 fork。

四卡验收结果

链路	训练	reward 前/后窗口	loss 前/后窗口	稳态 global TPS	下游 step0 / step100
Qwen2.5 / GSM8K	100/100，exit 0	0.00833 / 0.16667	0.54703 / 0.27079	223.41	0.607% / 28.279%
Qwen3-VL / Geo3K	100/100，exit 0	0.225000 / 0.248906	0.268061 / 0.207617	1368.02	composite 0.251581 / 0.271048

完整、未截断训练日志：public Gist。本次按交付约定核对日志内容，不设置日志哈希门禁。

实践文档与运行说明：opd/README.md。

检查

• bash -n opd/run_qwen2_5_0_5b_megatron_npu.sh opd/run_qwen3_vl_2b_megatron_npu.sh — passed
• shellcheck opd/*.sh — passed
• 两条脚本使用 /bin/echo 的参数 dry-run — passed；模型对、四卡 2+2、batch、序列长度、OPD loss 和100步配置解析正确
• bash install_verl.sh --recipe opd --show — passed
• git apply --check --unidiff-zero against the recorded PATCH_BASE — passed
• uvx pre-commit run --files <changed files> — passed（Ruff hooks无适用 Python 文件）
• git diff --check upstream/main...HEAD — passed
• Standards/spec 双轴 review 及修复后复审 — passed

本次 recipe 仓迁移没有重复启动100步训练；上表来自同一解析配置的已完成四卡验收运行，完整日志已公开。

This contribution was developed with assistance from OpenAI Codex. The human submitter remains responsible for review, validation, and submission.

[wucong25]

当前安装为私人分支，需要修改为release/0.8.0或其他release分支

[egangu]

已在 d153c75 修正：改用官方 verl-project/verl@release/v0.8.0；源码安装会先应用仓库内兼容 patch，不再依赖个人 fork。README 已同步，且 release 上的 patch check、安装器 dry-run、脚本语法与参数 dry-run 均通过。