radixark/miles

调整 session 模型 CI GPU 规格并启用 EAGLE

值得精读，尤其是学习如何根据模型特性（KV heads、模型大小、服务需求）定制 CI 资源分配，以及如何安全地在测试中启用 EAGLE 投机解码。对于负责 CI 基础设施和 session 测试的开发者有参考价值。

PR 关闭后自动取消排队/运行中测试，释放 GPU runner

值得快速阅读（重点看 `.github/workflows/pr-test.yml` 的 diff 与新增测试）。它展示了一个值得借鉴的 CI 资源治理模式：用 closed 事件 + 同一 concurrency group 实现 cancellation-only run，并通过文本断言锁定 workflow 关键约定。建议后续把相同模式推广到 `pr-test-rocm.yml`。整体属于小而稳的修复，不需要深入评审。

拆分 CPU/GPU CI 可复用工作流，消除冗余 skipped job

值得快速浏览。本 PR 展示了 GitHub Actions 可复用工作流拆分的一个干净范式：用“一个工作流只声明本硬件一个 job”替代“单工作流 + job 级 if”，从根上消除展开语义导致的冗余 skipped job；同时用结构锁测试固定 job id、路由计数与 cpu_runner 残留，防止回归。关注 _run-cpu-ci.yml 与 _run-ci.yml 的步骤对等性，以及 test_run_suite.py 中基于正则提取 job id 的断言方式——这是用测试守护 YAML 结构的好例子。

禁用 MI300X CI 调度，8 个 ROCm 用例标记 disabled

该 PR 本身不值得精读（单行重复变更），但值得关注其背后的运维决策：用一个注册层的 `disabled` 参数实现整条 CI 流水线的开关，既保留配置又避免改动 workflow。建议团队为恢复动作建一个跟踪 issue，并在 MI300X runner 稳定后逐例恢复并回填禁用原因。

移除 ROCm 检查点写入器替换，依赖上游修复

值得快速浏览，重点确认两点：一是运行集群的 Megatron-LM 版本已包含 #74 修复；二是 ROCm CI 对 checkpoint 保存路径有覆盖。设计决策上，将平台 workaround 上推至上游并在本地及时清理，是值得借鉴的做法。

新增 ROCm CI 工作流，MI300X 双分片覆盖

推荐基础设施负责人与 AMD 平台维护者精读。值得学习的设计决策：自托管 runner 的安全授权模型（pull_request_target + 标签 + secret 门控）、双 runner 分片与 est_time 均衡、8-GPU 用例降维时的轴选择论证（保留 TP/PP 分片、牺牲 CP/DP），以及用字符串断言测试锁定 workflow 合约的做法。对普通功能开发者，该 PR 确立的测试注册模式（register_rocm_ci + test_amd_* 变体）是新测试需要遵循的路径。

提取 v1/v2 共用会话原语，字节级测试锁定默认行为

值得细读。建议关注三点：一是 test_sessions_v1_pins.py 中“字节级断言 + 状态快照比对（records 与 accumulated_token_ids 前后相等）”的测试设计，这是重构默认路径时保证零漂移的高性价比手段；二是 prepare_chat_request / extract_completion / assert_pretokenized_prefix 的提取边界——凡是“会话无关”的处理收进 core.py，凡是“线性轨迹特有”的策略留在 linear_trajectory.py，这个边界决定了 v2 能否无缝复用；三是遗留的未落实 review 意见（函数内 import）。若要跟进 session v2 开发，本 PR 是必读的基石。

修复 GPT 路径 MTP 标签双重偏移，还原训练正确性

值得精读。虽然改动仅 6 行，但它体现了跨路径数据约定的设计问题：共享的预处理不应与路径特有逻辑重复。建议关注 `mtp_kwargs["mtp_labels"]` 的契约定义，以及把偏移收敛到路径边界的思路。同时建议后续补充 nemotron MTP 的 CI 覆盖和针对该契约的单元测试。