Add verl-FL-fep

[heavyrain-lzy]

Add verl-FL-fep

[JosephNew]

Review: 测试计划需要补充

✅ CPU 单元测试 — OK

5 条测试命令全部对应仓库中存在的文件：

tests/plugin/test_platform_abstraction.py
tests/plugin/test_device_on_cpu.py
tests/plugin/test_engine_registry_on_cpu.py
tests/plugin/test_fl_env_manager_on_cpu.py
tests/special_sanity/check_device_api_usage.py

❌ E2E 训练 — 缺失

测试计划表格中写了 CUDA E2E GRPO training 的期望结果，但没有给出具体命令。仓库中 examples/grpo_trainer/run_qwen3-0.6b_fl.sh 存在但 FEP 未引用，且脚本中包含硬编码路径（/share/project/lizhiyu/...），第三方无法直接运行。需要：

• 在测试计划中明确引用该脚本
• 说明如何替换模型路径、数据路径、FlagCX 路径
• 给出期望的训练收敛指标（如 reward/accuracy 达到多少）

❌ MetaX 平台 — 零命令

测试表格列出了 MetaX 的期望结果，但没有一条测试命令或验证步骤。需要补充：具体测试命令 + 环境要求（MACA 版本等）。

❌ MUSA 异构训练 — 零命令

这是 v0.2.0 的核心功能（NVIDIA + MUSA 混合分布式训练），测试计划中完全没有任何可执行的验证步骤。需要补充：异构部署的启动命令、FlagCX 配置、期望的通信/训练结果。

建议

参考 FEP #4 (KernelGenBench) 的测试计划颗粒度，每项验证至少包含：测试命令 + 环境要求 + 期望结果。

[heavyrain-lzy]

Hi, @JosephNew , E2E 训练 和 MetaX 平台E2E,已添加，可以进行测试。 @physics31415926 已添加异构测试

[JosephNew]

@heavyrain-lzy Thanks for the update. The three gaps identified in the 6/3 review have all been addressed:

• NVIDIA E2E — Docker image + run script + expected output ✅
• MetaX E2E — Full pipeline from image pull → FlagCX/FlagGems/vllm-plugin-FL install → path customization → run ✅
• MUSA heterogeneous training — NVIDIA + MUSA cross-node with Ray + FlagCX, including pre-verification via torchrun ✅

The test plans are now detailed enough for execution. Hardware requirements (MetaX C500, dual-node InfiniBand for MUSA) are noted — testing will proceed as those resources become available.