执行摘要

• 一句话：统一 SGLang 投机解码计数并修复跨会话聚合
• 推荐动作：值得精读。该 PR 展示了跨模块数据契约演进的标准姿势：类型层 fallback 兼容 → 传输层打通 → 权威聚合 → 驱动校验 → 聚合消费，每一步都有测试锚定。特别值得借鉴的是 session v2 的『服务端聚合一次 + 按 session_id 去重』模式，它解决的是树状采样结构下共享节点重复计数的通用问题，可推广到其他以树/图结构回传样本的指标场景。阅读建议聚焦 miles/utils/types.py 的 SpecInfo 与 miles/ray/rollout/metrics.py 的 _compute_spec_metrics 两处实现。

功能与动机

PR body 直接点明两个根因："The old Miles field names no longer matched the SGLang response contract, and averaging per-request ratios gives each request equal weight regardless of its number of drafts or verification steps. The session samples codec also dropped SpecInfo before it reached rollout metrics." 即旧字段名（spec_accept_token_num 等）在 SGLang 新响应中已不存在，导致计数器读不到值；逐请求比率平均会稀释大 draft 数请求的贡献；session codec 在指标到达 rollout 前丢弃了 SpecInfo。session v2 还有一个额外边界：树会物化多片共享生成节点的样本，"Summing leaf-local SpecInfo would count shared nodes more than once"，因此需要服务端发布一份权威聚合、驱动侧按 session id 去重。

实现拆解

1. 统一数据契约：miles/utils/types.py 中 Sample.SpecInfo 字段重命名为 SGLang 规范命名（spec_num_correct_drafts / spec_num_proposed_drafts / spec_verify_ct / completion_tokens），add() 增加 spec_verify_ct <= 0 守卫（未经历投机验证的普通生成不计数），to_dict() / from_dict() 成对更新且 from_dict() 保留旧字段 fallback，历史序列化样本仍可读取。配套同步 miles/rollout/generate_utils/sample_utils.py 与 miles/utils/test_utils/mock_sglang_server.py 的字段读取点。

2. 打通 session v1/v2 共享 wire：miles/rollout/session/samples/codec.py 在共享 samples wire 上序列化/反序列化 SpecInfo，此前 session 服务端已汇总计数但 codec 在编码时丢弃，导致驱动侧解出来全是 0。分别由 tests/fast/router/test_session_samples_op.py 与 test_session_samples_op_v2.py 锚定 v1/v2 的精确计数器往返。

3. session v2 权威聚合一次：新增 miles/rollout/session/v2/metrics.py，build_session_rollout_metrics(session_id, nodes) 对所有已提交生成节点（session.tree.nodes）汇总一份 SpecInfo；SessionCoreV2.collect_samples 在投机解码配置开启时、hooks 处理完 metadata 之后的 wire 边界注入 SESSION_ROLLOUT_METRICS_KEY。测试覆盖共享前缀树与 max_seq_len 截断排除节点仍计入聚合。

4. 驱动侧校验与替换：miles/rollout/generate_hub/agentic_tool_call.py 的 generate 在开启投机解码且 session v2 时：成功收集后校验 carrier 的 session_id 与 tracer.session_id 一致、metrics 非空，再以权威 carrier 覆盖每片叶子 metadata（清除旧叶子携带的陈旧 carrier）；收集失败或空回复返回 ABORTED 时移除陈旧 carrier，避免悬空归属。

5. 聚合层重写与配套：miles/ray/rollout/metrics.py 的 _compute_spec_metrics 重写为：无 carrier 的普通样本（如训练中经 generate_function_path 覆盖到 single_turn 生成器的样本）直接贡献本地 spec_info；有 carrier 的按 session_id 去重（同一 session 多片叶子只取一次）；所有计数先求和再算 spec_accept_rate 与 spec_accept_length。配套更新 dashboard dump_reader 字段读取、mock SGLang server 输出，并在 11 个测试文件补齐用例（types、metrics、agentic、codec、dashboard、mock、fixtures 等），PR 验证为 224 passed / 1 skipped。

关键文件：

• miles/utils/types.py（模块 类型层；类别 source；类型 core-logic；符号 Sample.SpecInfo, SpecInfo.add, SpecInfo.from_dict, SpecInfo.to_dict）: 投机解码计数器的数据契约核心：SpecInfo 字段名对齐 SGLang 规范命名，add() 增加无验证不计数守卫，from_dict() 保留旧字段 fallback，是整个 PR 的根基。
• miles/ray/rollout/metrics.py（模块 指标聚合；类别 source；类型 dependency-wiring；符号 _compute_spec_metrics）: 指标聚合核心：从逐样本平均改为 carrier 去重 + 全局计数，修复混合批次中普通生成样本被漏计的问题（review 后补齐）。
• miles/rollout/session/v2/metrics.py（模块 会话聚合；类别 source；类型 core-logic；符号 build_session_rollout_metrics, SESSION_ROLLOUT_METRICS_KEY）: 新增的 session 侧权威聚合模块：定义 SESSION_ROLLOUT_METRICS_KEY 与 build_session_rollout_metrics，解决树共享节点重复计数问题。
• miles/rollout/session/v2/core.py（模块 会话核心；类别 source；类型 dependency-wiring；符号 SessionCoreV2.collect_samples）: wire 边界发布点：collect_samples 只在投机解码开启时注入权威 carrier，且放在 hooks 之后，保证 hook 可检视但最终以服务端值为准。
• miles/rollout/generate_hub/agentic_tool_call.py（模块 生成调度；类别 source；类型 dependency-wiring；符号 generate）: 驱动侧接管 carrier：校验 session_id 归属与 metrics 非空、替换叶子上的陈旧 carrier，失败路径清理悬空归属。
• miles/rollout/session/samples/codec.py（模块 样本编解码；类别 source；类型 core-logic）: 共享 wire 编解码：保证 SpecInfo 在 session v1/v2 与驱动之间往返不丢失，是计数器到达 rollout 指标层的前提。
• tests/fast/router/test_session_samples_op_v2.py（模块 会话测试；类别 test；类型 test-coverage；符号 spec_core, test_spec_info_crosses_samples_wire, test_session_rollout_metrics_are_absent_when_spec_is_disabled, test_session_rollout_metrics_count_every_tree_node_once）: 覆盖最全的 session v2 树状路径测试：spec_info 穿 wire、每节点计一次、被 max_seq_len 排除的节点仍入聚合。
• tests/fast/rollout/generate_hub/test_agentic_v2.py（模块 生成测试；类别 test；类型 test-coverage；符号 _session_metadata, test_transport_collection_error_has_no_metrics_owner, test_v2_replaces_stale_metrics_with_shared_authoritative_carrier, test_v2_rejects_missing_server_session_metrics）: 覆盖驱动侧 carrier 校验与替换的异常路径：错误 session、缺失 metrics、传输失败清理。
• tests/fast/ray/rollout/test_metrics.py（模块 指标测试；类别 test；类型 test-coverage；符号 TestComputeSpecMetrics, test_aggregates_sglang_counters_before_computing_ratios, test_v2_deduplicates_session_carriers_and_includes_ordinary_samples）: 验证聚合语义：先聚合后比值、session carrier 去重、普通样本混入。
• tests/fast/utils/test_types.py（模块 类型测试；类别 test；类型 test-coverage；符号 TestSpecInfo, test_ratio_properties, test_add_ignores_completion_without_speculative_verification, test_from_dict_reads_legacy_miles_fields）: SpecInfo 单元测试：比率属性、add 守卫、旧字段兼容读取。

关键符号：Sample.SpecInfo.add, Sample.SpecInfo.from_dict, Sample.SpecInfo.to_dict, Sample.SpecInfo.spec_accept_rate, _compute_spec_metrics, build_session_rollout_metrics, agentic_tool_call.generate, SessionCoreV2.collect_samples

关键源码片段

miles/utils/types.py

投机解码计数器的数据契约核心：SpecInfo 字段名对齐 SGLang 规范命名，add() 增加无验证不计数守卫，from_dict() 保留旧字段 fallback，是整个 PR 的根基。

@dataclass
class SpecInfo:
    # 字段名与 SGLang 响应契约对齐，取代旧的 spec_accept_token_num /
    # spec_draft_token_num / completion_token_num 命名（旧名字在新版
    # SGLang 响应中已不存在，导致此前指标读不到值）。
    spec_num_correct_drafts: int = 0
    spec_num_proposed_drafts: int = 0
    spec_verify_ct: int = 0
    completion_tokens: int = 0
​
    @property
    def spec_accept_rate(self) -> float:
        # 比率属性只负责单条 SpecInfo 的换算；跨样本聚合时由
        # _compute_spec_metrics 先求和再算比值，避免小样本被平均稀释。
        if self.spec_num_proposed_drafts == 0:
            return 0.0
        return self.spec_num_correct_drafts / self.spec_num_proposed_drafts
​
    @property
    def spec_accept_length(self) -> float:
        return self.completion_tokens / self.spec_verify_ct if self.spec_verify_ct > 0 else 0.0
​
    def add(self, meta_info: dict) -> None:
        # spec_verify_ct 缺失或为 0 说明该响应未经历投机验证；
        # 只携带 completion_tokens 的普通生成不应污染聚合计数。
        spec_verify_ct = meta_info.get("spec_verify_ct") or 0
        if spec_verify_ct <= 0:
            return
        self.spec_num_correct_drafts += meta_info.get("spec_num_correct_drafts", 0)
        self.spec_num_proposed_drafts += meta_info.get("spec_num_proposed_drafts", 0)
        self.spec_verify_ct += spec_verify_ct
        self.completion_tokens += meta_info.get("completion_tokens", 0)
​
    def to_dict(self) -> dict:
        # 持久化与 wire 传输统一使用 SGLang 规范命名。
        return {
            "spec_num_correct_drafts": self.spec_num_correct_drafts,
            "spec_num_proposed_drafts": self.spec_num_proposed_drafts,
            "spec_verify_ct": self.spec_verify_ct,
            "completion_tokens": self.completion_tokens,
        }
​
    @staticmethod
    def from_dict(data: dict) -> "SpecInfo":
        # 历史序列化样本使用旧 Miles 字段名，这里保留 fallback 映射，
        # 保证旧 dump 仍可被正确读取（新数据则直接命中规范键）。
        info = Sample.SpecInfo()
        info.spec_num_correct_drafts = data.get(
            "spec_num_correct_drafts", data.get("spec_accept_token_num", 0)
        )
        info.spec_num_proposed_drafts = data.get(
            "spec_num_proposed_drafts", data.get("spec_draft_token_num", 0)
        )
        info.spec_verify_ct = data.get("spec_verify_ct", 0)
        info.completion_tokens = data.get("completion_tokens", data.get("completion_token_num", 0))
        return info

miles/ray/rollout/metrics.py

指标聚合核心：从逐样本平均改为 carrier 去重 + 全局计数，修复混合批次中普通生成样本被漏计的问题（review 后补齐）。

def _compute_spec_metrics(args, all_samples: list[Sample]):
    # 未配置投机解码时完全不产出 spec 相关指标。
    if args.sglang_speculative_algorithm is None:
        return {}
​
    carriers = {}
    spec_infos = []
    for sample in all_samples:
        carrier = sample.metadata.get(SESSION_ROLLOUT_METRICS_KEY)
        if carrier is None:
            # 普通生成样本（如训练中经 generate_function_path 覆盖到
            # single_turn 生成器）没有 session carrier，直接贡献本地计数，
            # 避免混合批次里这部分生成被漏掉。
            spec_infos.append(sample.spec_info)
        else:
            # session v2 的多片叶子共享同一个权威 carrier：
            # 按 session_id 去重，保证共享生成节点只计一次。
            carriers[carrier["session_id"]] = carrier
    spec_infos.extend(
        Sample.SpecInfo.from_dict(carrier["metrics"]["spec_info"])
        for carrier in carriers.values()
    )
​
    # 先对所有计数器求和、再计算比值，而不是平均每个样本的比率；
    # 这样每个 draft / 验证步骤的权重与其实际数量成正比。
    num_correct_drafts = sum(info.spec_num_correct_drafts for info in spec_infos)
    num_proposed_drafts = sum(info.spec_num_proposed_drafts for info in spec_infos)
    spec_verify_ct = sum(info.spec_verify_ct for info in spec_infos)
    completion_tokens = sum(info.completion_tokens for info in spec_infos)
    return {
        "spec_accept_rate": num_correct_drafts / num_proposed_drafts if num_proposed_drafts > 0 else 0.0,
        "spec_accept_length": completion_tokens / spec_verify_ct if spec_verify_ct > 0 else 0.0,
    }

miles/rollout/session/v2/metrics.py

新增的 session 侧权威聚合模块：定义 SESSION_ROLLOUT_METRICS_KEY 与 build_session_rollout_metrics，解决树共享节点重复计数问题。

# 该 key 是 session 服务端发布的权威 rollout 指标载体，
# 驱动侧（agentic_tool_call）与聚合侧（_compute_spec_metrics）共用。
SESSION_ROLLOUT_METRICS_KEY = "session_rollout_metrics"
​
​
def build_session_rollout_metrics(session_id: str, nodes: list[TrajectoryNode]) -> dict:
    # 在服务端对所有已提交生成节点汇总一次，而不是让每片返回的
    # 叶子各自累加：v2 树中多个样本会共享同一段生成节点，叶子局部
    # 求和会把共享节点重复计数。
    spec_info = Sample.SpecInfo()
    for node in nodes:
        spec_info.add(node.record.response["choices"][0]["meta_info"])
    return {
        "session_id": session_id,
        "metrics": {"spec_info": spec_info.to_dict()},
    }

评论区精华

核心交锋是 guapisolo 的 codex 审查评论（P2）指出的混合批次漏计问题，以及 guapisolo 对 session v1/v2 测试覆盖的补强。审查确认了 use_session_server 只是默认生成器选择而非样本来源，训练中 Sample.generate_function_path 可把样本覆盖到 single_turn.generate，这些样本有 spec_info 但无 session carrier，原有只聚合 carrier 的实现会让全普通批次的两个指标输出 0.0。nanjiangwill 用 ac647b0e0 提交修复聚合器，并补充混合批次与全普通批次测试。另外 guapisolo 主动补上了 session v1/v2 的 wire 传输测试，并在收尾时判定 tito 检查失败为既有 CI 失败，不阻塞合并。

• 混合批次中普通生成样本的 spec 计数被遗漏 (correctness): nanjiangwill 在 ac647b0e0 提交修复：_compute_spec_metrics 按 session_id 去重 carrier，同时纳入无 carrier 样本的 spec_info，并新增混合批次与全普通批次测试。
• session v1/v2 的 SpecInfo 传输缺失测试覆盖 (testing): codec 补齐 SpecInfo 序列化，v1/v2 分别新增 test_spec_info_crosses_samples_wire 精确计数器往返测试。
• CI 失败是否为既有问题 (other): 非本 PR 引入，合并未受阻。

风险与影响

• 风险：
  1. 数据契约变更：miles/utils/types.py 的 from_dict 有旧字段 fallback，历史 dump 可读；但新序列化数据字段名变化会影响所有读写路径，dashboard dump_reader 与 mock server 已同步，外部消费 dump 的脚本需留意。
  2. 新增硬校验：miles/rollout/generate_hub/agentic_tool_call.py 在 spec 开启且 session v2 成功返回时，carrier 缺失 / session id 不匹配 / metrics 为空都会抛异常（KeyError / ValueError）。这是有意的 fail-fast，但要求 session server 与 driver 同步部署，旧 server + 新 driver 组合会直接失败。
  3. 聚合语义变化：从逐样本平均改为全局计数后，spec_accept_rate 数值会系统性变化，依赖旧基线的监控与看板需要重新校准解读。
  4. 测试依赖 mock：数百个测试与复现均基于 mock SGLang 与手工构造的树节点，未覆盖真实 GPU 端到端；真实 SGLang 响应若字段缺失，SpecInfo.add 的 spec_verify_ct <= 0 守卫可防崩，但计数会偏低。
     - 影响：对用户与系统：投机解码指标从"恒 0 或失真"变为可置信的全局计数，直接改善训练与评估监控的可观测性；session v1/v2 行为一致，wire 上新增 session_rollout_metrics 权威载体。对团队：session server 与 driver 需同步升级，dashboard 展示字段随之更新；树状采样下"服务端聚合一次 + 按 session_id 去重"的语义具有通用借鉴价值。影响范围是 rollout 指标、session 服务、dashboard 与 mock 测试基建，属跨模块但边界清晰的指标正确性修复。
     - 风险标记：数据契约变更, 跨模块联动, 新增硬校验, 测试依赖 mock

关联脉络

• PR #3115 Scan full responses for repetition metrics: 同属 rollout 指标正确性修复脉络，均改动指标计算与聚合路径，可对照理解 metrics 模块的持续演进。
• PR #2825 fix: chunk true-on-policy logprob computation: 同为 rollout 指标计算路径的 bugfix，涉及样本级数据在聚合前的处理，共享 rollout 测试基建。