执行摘要

• 一句话：DeepSeek V4 TITO 禁止 system 尾追加，修复会话不匹配
• 推荐动作：值得快速浏览：这是一个典型的"一行配置修复系统性随机故障"的案例，展示了如何通过收窄能力边界而非改写校验语义来根治问题。重点关注 allowed_append_roles 的设计（与 Qwen3.5/Minimax 家族复用同一模式）以及通过 E2E 阈值保留漂移可见性的思路。不需要精读大量代码。

功能与动机

PR body 报告 DeepSeek V4 Stage 3 出现 0.109375 到 0.1875 的 assistant-text mismatch 率而不是 0。根因有三点：DeepSeekV4TITOTokenizer.FIXED_TEMPLATE 继承了 mid-session system 支持；encoding_dsv4.encode_messages 在 system 尾后省略 assistant opener；compute_session_mismatch 用 canonical </think> 重渲染与采样 token 比较，于是产生随机性不匹配。

实现拆解

1. 变更入口：miles/utils/chat_template_utils/tito_tokenizer.py 中 DeepSeekV4TITOTokenizer.FIXED_TEMPLATE 新增 allowed_append_roles=frozenset({"tool", "user", "assistant"})，把可追加角色从默认的全角色集合收窄为编码器 generation-ready 的边界。
2. 核心逻辑：该约束使 TITO 增量 tokenization 不再在 mid-session system 之后追加消息，从而避免 encoding_dsv4 省略 assistant opener 导致的 roundtrip 不一致；由于没有修改 parser 或 comparator 语义，其他模型家族不受影响。
3. 测试配套：tests/fast/utils/chat_template_utils/test_fixed_templates.py 将 DeepSeekV4TITOTokenizer 加入 test_restricted_fixed_template_excludes_mid_session_system 参数化列表，与 Qwen35、Minimax M25/M27 一同断言角色集合。
4. E2E 配套：tests/e2e/sglang/test_session_server_multi_role/test_deepseekv4.py 为 CONFIG 增加 assistant_text_threshold=0.05，让未来编码器行为漂移仍能被阈值暴露，而不是静默失败。
5. 无其他配置、schema 或部署配套改动。

关键文件：

• miles/utils/chat_template_utils/tito_tokenizer.py（模块 会话分词；类别 source；类型 core-logic；符号 DeepSeekV4TITOTokenizer, FIXED_TEMPLATE, FixedTemplate, allowed_append_roles）: 核心修复点：为 DeepSeekV4TITOTokenizer 的 FIXED_TEMPLATE 增加 allowed_append_roles 限制，排除 mid-session system 追加，从根源解决 encoding_dsv4 不产生 assistant opener 导致的 TITO mismatch。
• tests/fast/utils/chat_template_utils/test_fixed_templates.py（模块 模板测试；类别 test；类型 test-coverage；符号 test_restricted_fixed_template_excludes_mid_session_system）: 将 DeepSeekV4TITOTokenizer 纳入参数化测试，验证其 allowed_append_roles 与 Qwen3.5、Minimax M25/M27 一致，防止未来回归。
• tests/e2e/sglang/test_session_server_multi_role/test_deepseekv4.py（模块 V4 E2E；类别 test；类型 test-coverage；符号 CONFIG, assistant_text_threshold）: 在 DeepSeek V4 E2E 配置中增加 assistant_text_threshold=0.05，保留未来编码器漂移可见性，同时避免对现有合理波动过度敏感。

关键符号：test_restricted_fixed_template_excludes_mid_session_system, test_deepseekv4

关键源码片段

miles/utils/chat_template_utils/tito_tokenizer.py

核心修复点：为 DeepSeekV4TITOTokenizer 的 FIXED_TEMPLATE 增加 allowed_append_roles 限制，排除 mid-session system 追加，从根源解决 encoding_dsv4 不产生 assistant opener 导致的 TITO mismatch。

class DeepSeekV4TITOTokenizer(TITOTokenizer):
    """DeepSeek V4 — official encoder via sglang's ``encoding_dsv4``.
​
    Like V3.2, V4 ships no jinja chat_template; miles' ``apply_chat_template``
    routes any V4 tokenizer to the ``chat_template_utils.deepseek`` bridge, and
    TITO incremental tokenization rides that same bridge to stay byte-aligned
    with what the runtime serves.
    """
​
    reasoning_parser = "deepseek-v4"
    tool_call_parser = "deepseekv4"
    chat_template_kwarg_aliases = _DEEPSEEK_MODE_KWARG_ALIASES
​
    FIXED_TEMPLATE = FixedTemplate(
        template=None,
        extra_kwargs={"drop_thinking": False},
        # 关键修复：限制中间会话可追加的角色。
        # encoding_dsv4 在 system 消息之后不会追加 assistant 开启标记，
        # 若允许追加 system 会导致 TITO 会话无法 roundtrip，
        # 出现 0.1 到 0.19 的 assistant-text mismatch。
        allowed_append_roles=frozenset({"tool", "user", "assistant"}),
    )
​
    _DEFAULT_ASSISTANT_START = "<｜Assistant｜>"
​
    def __init__(
        self,
        tokenizer: Any,
        chat_template_kwargs: dict[str, Any] | None = None,
        assistant_start_str: str | None = None,
    ):
        super().__init__(
            tokenizer,
            chat_template_kwargs=chat_template_kwargs,
            assistant_start_str=assistant_start_str or self._DEFAULT_ASSISTANT_START,
            special_token_ids={
                tokenizer.convert_tokens_to_ids("<｜User｜>"),
                tokenizer.convert_tokens_to_ids("<｜Assistant｜>"),
            },
        )
        self._assistant_id: int = tokenizer.convert_tokens_to_ids("<｜Assistant｜>")
        self._think_bracket_ids: set[int] = {
            tokenizer.convert_tokens_to_ids("<think>"),
            tokenizer.convert_tokens_to_ids("</think>"),
        }
        self.trailing_token_ids = frozenset({self._assistant_id} | self._think_bracket_ids)
        # sglang 的 dsv4 parser 仅在请求携带 thinking 时分离 reasoning，
        # 这里显式暴露有效渲染模式，供 session server 转发。
        self.chat_template_kwargs = {
            **self.chat_template_kwargs,
            "thinking": deepseek.V4.render_thinking_enabled(self.chat_template_kwargs),
        }

tests/fast/utils/chat_template_utils/test_fixed_templates.py

将 DeepSeekV4TITOTokenizer 纳入参数化测试，验证其 allowed_append_roles 与 Qwen3.5、Minimax M25/M27 一致，防止未来回归。

@pytest.mark.parametrize(
    "tokenizer_cls",
    [
        DeepSeekV4TITOTokenizer,
        Qwen35TITOTokenizer,
        MinimaxM25TITOTokenizer,
        MinimaxM27TITOTokenizer,
    ],
)
def test_restricted_fixed_template_excludes_mid_session_system(tokenizer_cls):
    # 这些模型家族与中间会话追加 system 不兼容，必须与默认的全角色集合区分；
    # 若未来编码器支持 system tail，应先更新此断言再放开角色集合。
    assert tokenizer_cls.FIXED_TEMPLATE.allowed_append_roles == frozenset(
        {"tool", "user", "assistant"}
    )

tests/e2e/sglang/test_session_server_multi_role/test_deepseekv4.py

在 DeepSeek V4 E2E 配置中增加 assistant_text_threshold=0.05，保留未来编码器漂移可见性，同时避免对现有合理波动过度敏感。

CONFIG = ModelConfig(
    # 官方 deepseek-ai/DeepSeek-V4-Flash 是 mxfp4 打包的 routed experts，
    # Hopper MoE 内核无法服务；此 FP8 重打包与 scripts/run_deepseek_v4.py 一致，
    # tokenizer 字节级相同。
    model_name="sgl-project/DeepSeek-V4-Flash-FP8",
    reasoning_parser="deepseek-v4",
    tool_call_parser="deepseekv4",
    tito_model="deepseekv4",
    tp_size=4,
    ep_size=4,
    enable_spec=True,
    cycles=2,
    # 修复 system 尾不匹配后保留 0.05 漂移阈值，避免未来编码器行为变化被静默吞掉。
    assistant_text_threshold=0.05,
    # V4 按前序 assistant 的 tool_calls 顺序排序 tool_result 块，
    # sentinel tool_call_id 无法 roundtrip，因此使用通用回滚恢复。
    tool_call_failure_mode="rollback",
)

评论区精华

本 PR 只有一条审批评论（Shi-Dong 回复 "LGTM"），没有实质技术讨论。PR body 中作者自述的 review 焦点有两个：一是核对 DeepSeekV4TITOTokenizer.FIXED_TEMPLATE.allowed_append_roles 与编码器 generation-ready tail 一致；二是确认 assistant_text_threshold=0.05 只存在于 DeepSeek V4 E2E 配置中，不会影响其他模型。

• 暂无高价值评论线程

风险与影响

• 风险：
  1. 行为依赖编码器：若未来 encoding_dsv4 开始支持 mid-session system 追加，当前限制会导致 V4 会话在 system 后无法追加角色，需同步放宽 allowed_append_roles。
  2. E2E 阈值放宽：assistant_text_threshold=0.05 允许最多 5% 的 assistant-text mismatch，可能掩盖小规模真实回归；但该配置仅存在于 DeepSeek V4 E2E 文件，不会波及其他模型。
  3. 改动集中在 tito_tokenizer.py 的类级常量，Qwen3.5、Minimax M25/M27 已使用相同限制模式，回归概率低。
     - 影响：影响范围限定在 DeepSeek V4 家族的 session-server TITO 校验：修复后 E2E 全部 64 个样本通过，总 TITO mismatch 与 assistant-text mismatch 均为 0.0。对用户而言，消除了 Stage 3 训练中随机的 assistant-text 验证噪音；对系统而言，没有改变模板渲染、parser 或 mismatch 比较逻辑，其他模型家族零影响。团队后续维护 V4 时需注意 allowed_append_roles 与编码器行为保持一致。
     - 风险标记：依赖编码器行为, E2E 阈值放宽, 仅修复 DeepSeek V4

关联脉络

• PR #2035 tests: mirror sglang_speculative_algorithm into session-server test namespaces: 同属 session-server 测试领域，共享测试夹具与命名空间，共同完善会话校验相关覆盖。
• PR #2075 session: apply the trained LoRA adapter to session-server rollouts: 同为 session 服务器行为修正，说明 session 路径近期持续演进，TITO 校验与其配合保障会话 roundtrip 正确性。