radixark/miles · 标签视图

空 step 补全声明式 schema，修复 dashboard 多页面 500 崩溃

值得精读。改动量不大但信息密度高：polars 空数据 schema 推断陷阱、缓存版本在格式迁移中的作用（mtime 匹配 ≠ 格式有效）、并发读下的原子写、以及「先用 revert 实验证明测试能抓到 bug 再提交」的验证方法（PR body 中 2 failed 的对照表）。对 dashboard 维护者、做数据管道容错的工程师尤其有参考价值；`blank_samples` 夹具和 `test_pre_fix_columnless_cache_is_not_served` 是两段值得模仿的测试写法。

DSv4 双后端可选，对齐 Megatron 权重契约，恢复训练

值得精读。该 PR 展示了三类可借鉴的设计决策：一是用显式 raise 替代静默 fallback，杜绝用户不知情的实现漂移；二是通过统一 checkpoint 命名契约让两种实现共享同一数据源，并用 `assert_checkpoint_is_current` 做防御性拒绝；三是利用已有的原子更新组把分散参数在导出时重新聚合（`_packed_alphas` 的 bucket 传递），是分布式 checkpoint 转换中优雅的处理方式。PR body 中关于 tid2eid、SwiGLU clamp、MTP replay 等调试细节也极具参考价值。

Qwen3.6 会话测试改用 FP8 检查点，验证目标不变

该 PR 不值得精读，可快速合并。值得注意的设计原则是“验证目标优先于 artifact 选择”——在 CI 面上用更轻量的检查点保持等价覆盖，而非削弱验证范围。若想理解 TITO Qwen3.6 支持的全貌，建议阅读上游 PR #2759（引入 tito_tokenizer、qwen3.6_fixed.jinja 模板与 test_qwen36.py）。

Qwen3.8 系列新增双 TITO 家族名共享固定渲染模板

值得精读，重点看三处设计决策：(1) 两个公共枚举映射到同一个 tokenizer 类的工厂写法，如何避免复制 renderer；(2) 固定默认 reasoning 模式并显式拒绝冲突 kwargs 的保护机制，防止缓存前缀静默失配；(3) FIXME 驱动的临时行为显式化，为后续 request-argument 优先级重构留出清晰的演进路径。若团队要新增类似“共享序列化契约、不同公共名”的模型家族，可直接复用本 PR 的模式。

CI 命令网关新增用户 ID 白名单，种子授权 4 位贡献者

值得精读，尤其适合管理开源仓库 CI 命令权限的团队。两个设计决策值得借鉴：①授权身份绑定 GitHub 稳定数字 ID 而非 login，避免用户名变更导致权限漂移；②每个 tier 独立白名单，且 `/clear-labels` 这类涉及 CI 策略的操作始终要求实时 write/admin，体现最小权限原则。建议后续补强 v4 的 `users` 条目 schema 校验与缺键错误测试，弥补删除 `_validate_user_ids` 后的校验空档。

policy 前向保留模型精度，按块上转 FP32 省显存

值得精读。核心看点是“延迟上转”模式：把整张 logits 的 FP32 物化推迟到 chunk 粒度，配合 Megatron `fp32_output` 开关实现显存近一个数量级的下降；另一个值得借鉴的细节是把温度缩放放到 FP32 上转之后再做，避免模型精度下的舍入误差，并用 atol=1e-6 的等价性测试固化。fp16 placeholder 的 `sum(dtype=torch.float32)` 防溢出写法也建议在其它 loss 占位处复用。若团队后续要统一 1F1B 路径，可参考本 PR 的 `fp32_output` 透传设计。

新增 stage-c-8-gpu-b200，接入 8×B200 CI runner

值得快速精读。虽然单看只是注册表加一行 + 一个 workflow job，但其中蕴含两个可复用的 CI 设计原则：一是「测试自声明 GPU 预算（ray start --num-gpus / torchrun --nproc-per-node）而不是读取可见设备」，这让不分区主机的资源分配语义清晰；二是「合入时零测试注册是安全的，因为空 stage 收集零测试并退出 0」，支撑了增量迁移的分步落地。对参与 CI 基础设施维护的工程师，建议重点关注 pr-test.yml 中 job 注释与 tests/ci/run_suite.py 的 suite 注释，这两处把「为什么这么设计」讲得最清楚。

CSR 采样掩码表示与 rollout→trainer 传输契约落地

值得精读。重点学习两点：一是 codec 中通过 `ROLLOUT_SAMPLING_MASK_FIELDS` 从默认 allowlist 排除新字段、保持 payload 字节级向后兼容的策略；二是 CSR 掩码完整生命周期管理（append 校验、prefix 截断、merge 补观察 token、reset 清空）。建议合入前确认工具调用路径的强制 token 掩码覆盖，并在 #2596 落地 e2e 后回看数据流完整性。