执行摘要

• 一句话：修复旧版 SGLang 参数别名与 router 选项兼容性
• 推荐动作：值得快速阅读的小型兼容性修复。核心可借鉴点是：跨版本依赖适配时用 hasattr 做能力探测并降级为 warning，而不是硬假设 API 恒存在。同时建议关注两个遗留点：validate_args 在跳过别名归一化后仍直接访问 args.sglang_pp_size 的潜在 AttributeError，以及缺失 disable_health_check 时 router 健康检查语义变化；若团队需长期支持旧版 SGLang，应补充一个 mock 旧版属性的回归测试。

功能与动机

PR body 明确说明动机：SGLang argument and router APIs vary between releases. Slime previously assumed that at least one name in every argument alias pair and the disable_health_check router option were always available. With releases that do not provide those attributes, validation or router startup could fail before rollout initialization. 即 Slime 原实现把 SGLang 的 API 视为恒等不变，旧版本一旦缺少别名或 router 选项，就会在 rollout 初始化前崩溃。此外，head 分支名 dev/musa-patch-only 暗示该修复服务于特定硬件平台（MUSA）的适配，但 PR body 未对平台背景展开说明。

实现拆解

本次变更沿两条路径展开，核心手法一致：先做能力探测，再决定是否赋值。

1. 参数别名归一化容错（slime/backends/sglang_utils/arguments.py）
   - 原实现用一行三元表达式取值：getattr(args, current_name) if hasattr(args, current_name) else getattr(args, legacy_name)。当旧版 SGLang 同时不注册短名与长名时，getattr 直接抛 AttributeError，参数校验在 rollout 初始化前崩溃。
   - 新实现改为 if / elif / else 三分支：短名优先、长名次之、二者均缺失时记录 logger.warning 并 continue 跳过归一化；同时新增 import logging 与模块级 logger。
   - 影响范围仅限 4 组并行参数别名对（sglang_dp_size、sglang_pp_size、sglang_ep_size、sglang_moe_dp_size），对属性已注册的版本执行路径不变。

2. router 选项探测（slime/ray/rollout.py）
   - _start_router 构建 RouterArgs 后原本无条件设置 router_args.disable_health_check = True；旧版 sglang_router.launch_router.RouterArgs 未定义该字段时，原生 Router 构造会因为收到不支持的动态属性而失败。
   - 新逻辑用 hasattr(router_args, "disable_health_check") 探测，存在才置位，缺失时打印 warning 继续；该改动位于端口分配与 prometheus 端口设置之后，能保证 router 进程顺利拉起并进入存活检查。

3. 验证方式
   - 作者运行 pytest -q tests/utils/test_sglang_arguments.py tests/test_megatron_argument_validation.py，20 项测试全部通过。
   - 本次未新增或修改任何测试文件，"旧版 SGLang 完全缺失属性"的极端场景尚无自动化用例覆盖。

关键文件：

• slime/backends/sglang_utils/arguments.py（模块 SGLang 后端；类别 source；类型 dependency-wiring；符号 validate_args）: 参数别名归一化逻辑的核心改动点。原实现两个名字都缺时抛 AttributeError，新实现跳过并 warning，避免旧版 SGLang 在参数校验阶段启动失败。
• slime/ray/rollout.py（模块 路由启动；类别 source；类型 core-logic；符号 _start_router）: router 启动路径，设置 disable_health_check 前增加 hasattr 探测，防止旧版 RouterArgs 不支持该字段时启动失败。

关键符号：validate_args, _start_router

关键源码片段

slime/backends/sglang_utils/arguments.py

参数别名归一化逻辑的核心改动点。原实现两个名字都缺时抛 AttributeError，新实现跳过并 warning，避免旧版 SGLang 在参数校验阶段启动失败。

def validate_args(args):
    # SGLang 各版本对并行参数的 argparse dest 命名不一致：
    # 新版本使用短名（如 sglang_dp_size），旧版本使用长名（如 sglang_data_parallel_size）。
    # 这里同时保留两个属性，优先采用新版本短名；若两个名字都未注册（旧版本 API 差异），
    # 则跳过归一化并记录 warning，避免在 rollout 初始化前直接抛 AttributeError。
    for current_name, legacy_name in (
        ("sglang_dp_size", "sglang_data_parallel_size"),
        ("sglang_pp_size", "sglang_pipeline_parallel_size"),
        ("sglang_ep_size", "sglang_expert_parallel_size"),
        ("sglang_moe_dp_size", "sglang_moe_data_parallel_size"),
    ):
        if hasattr(args, current_name):
            value = getattr(args, current_name)
        elif hasattr(args, legacy_name):
            value = getattr(args, legacy_name)
        else:
            logger.warning(
                "The installed SGLang registered neither %s nor %s; "
                "skipping compatibility alias normalization for this parameter.",
                current_name,
                legacy_name,
            )
            continue
        setattr(args, current_name, value)
        setattr(args, legacy_name, value)
​
    # 注意：若上面跳过了 sglang_pp_size / sglang_dp_size，此处直接访问属性可能仍会抛错；
    # 由于参数由 Slime 的 add_sglang_arguments 统一注册，实际场景中两个名字通常至少存在一个。
    if args.sglang_pp_size > 1:
        assert args.rollout_num_gpus_per_engine % args.sglang_pp_size == 0, (
            f"rollout_num_gpus_per_engine ({args.rollout_num_gpus_per_engine}) must be divisible by "
            f"sglang_pipeline_parallel_size ({args.sglang_pp_size})"
        )
        args.sglang_tp_size = args.rollout_num_gpus_per_engine // args.sglang_pp_size
    else:
        args.sglang_tp_size = args.rollout_num_gpus_per_engine
​
    if args.sglang_dp_size > 1:
        assert args.sglang_enable_dp_attention

slime/ray/rollout.py

router 启动路径，设置 disable_health_check 前增加 hasattr 探测，防止旧版 RouterArgs 不支持该字段时启动失败。

def _start_router(args, *, has_pd_disaggregation: bool = False, force_new: bool = False):
    # 复用已有 router 地址；否则在本机分配端口并启动新 router 进程。
    if not force_new and args.sglang_router_ip is not None:
        return args.sglang_router_ip, args.sglang_router_port
​
    router_ip = _wrap_ipv6(get_host_info()[1])
    if force_new:
        router_port = find_available_port(random.randint(3000, 4000))
    else:
        router_port = args.sglang_router_port
        if router_port is None:
            router_port = find_available_port(random.randint(3000, 4000))
​
    from sglang_router.launch_router import RouterArgs
    from slime.utils.http_utils import run_router
​
    router_args = RouterArgs.from_cli_args(args, use_router_prefix=True)
    router_args.host = router_ip
    router_args.port = router_port
    router_args.prometheus_port = find_available_port(random.randint(4000, 5000))
    router_args.request_timeout_secs = args.sglang_router_request_timeout_secs
​
    if has_pd_disaggregation:
        router_args.pd_disaggregation = True
​
    # 关闭熔断器，避免 RDMA 传输超时（PCIe 争用下的瞬时抖动）被误判为 decode worker 宕机。
    router_args.disable_circuit_breaker = True
​
    # Slime 不使用 router 自带的健康检查；旧版 SGLang router 可能未暴露该字段，
    # 直接赋值会导致旧版本启动失败，因此先探测属性是否存在，缺失时降级为 warning。
    if hasattr(router_args, "disable_health_check"):
        router_args.disable_health_check = True
    else:
        logger.warning("The installed SGLang does not provide the disable_health_check parameter.")
​
    logger.info(f"Launch router with args: {router_args}")
​
    process = multiprocessing.Process(target=run_router, args=(router_args,))
    process.daemon = True
    process.start()
    time.sleep(3)
    assert process.is_alive()
    logger.info(f"Router launched at {router_ip}:{router_port}, Prometheus port: {router_args.prometheus_port}")
    return router_ip, router_port

评论区精华

本 PR 无任何 review 评论或讨论线程（comments_count=0、review_comments_count=0），方案由作者在 PR body 中单方面说明，随后由 zhuzilin 直接合并，没有可提炼的设计交锋。值得留意的唯一"对话缺口"是：作者在 Testing 节给出的是手工 pytest 命令（20 passed），但没有为"旧版 SGLang 完全缺少属性/选项"的场景新增 mock 测试，对跨版本兼容修复而言缺少自动化回归保护。

• 暂无高价值评论线程

风险与影响

• 风险：

  1. 参数归一化跳过后的下游访问风险：validate_args 中若某组别名对两个名字都缺失，continue 会跳过 setattr，但紧随其后的 args.sglang_pp_size > 1、args.sglang_dp_size > 1 仍直接访问属性，属性真缺失时依然抛 AttributeError。实际场景中 Slime 的 add_sglang_arguments 会统一注册这些参数，两者同时缺失的概率较低，但防御并不完整。
  2. router 健康检查语义变化：disable_health_check 不可用时，router 会启用自身健康检查；而代码注释明确表示 Slime 不希望使用 router 健康检查（RDMA 瞬断可能误判 worker 死亡），旧版上该语义会静默失效，网络抖动场景需额外观察。
  3. 测试覆盖缺口：未新增针对属性缺失场景的回归测试，现有 20 项测试无法证明该修复在真实旧版 SGLang 上生效。
  4. 依赖版本漂移：hasattr 探测能容忍小版本差异，但若 SGLang 未来改变属性命名策略，仍可能出现新的不匹配。
     - 影响：用户侧：使用旧版 SGLang（不暴露并行别名或 disable_health_check）的用户可越过参数校验与 router 启动两道关卡，正常进入 rollout 初始化；新版 SGLang 用户行为完全不变。
     系统侧：启动路径从"强假设"变为"能力探测"，鲁棒性提升；health check 语义在旧版上的变化需要运维侧留意。
     团队侧：dev/musa-patch-only 分支名暗示本 PR 处于 MUSA 平台适配链条中，与既有 ROCm、NPU 适配共同构成平台兼容矩阵。
     影响程度：改动面窄（2 个文件、19 行），不涉及训练、损失、数据路径，风险集中在 rollout 启动阶段。

• 风险标记：依赖版本兼容, 参数缺失时下游 AttributeError, router 健康检查行为变化, 缺少新增测试覆盖

关联脉络

• PR #2236 fix: don't overwrite an explicitly set --start-rollout-id: 同类参数校验问题：防止 argparse 属性在版本演进中被覆写/丢失，与本 PR 的别名归一化同属 arguments 兼容性域。
• PR #2276 Add args check for --save-debug-train-data: 同为参数校验增强，且共用 tests/test_megatron_argument_validation.py 测试面。
• PR #2261 fix(rollout): restore partial continuation token budget: 同为 SGLang rollout 路径的兼容性修复，与本 PR 属于同一功能线。
• PR #2199 fix(npu): bracket IPv6 hosts in distributed init methods: 同为平台兼容性修复；arguments.py 与 rollout.py 均涉及 _wrap_ipv6 调用，且 head 分支名 dev/musa-patch-only 表明处于平台适配链条。