radixark/miles

为所有 CUDA 测试注册声明支持的 GPU 世代（hopper/blackwell），为后续硬件感知调度铺路。

本 PR 是 CI 基础设施的一次重要重构，虽然不改变运行时行为，但为硬件感知的 CI 调度奠定了坚实的基础。建议精读 `tests/ci/ci_register.py` 中的 `_check_cuda_hardware` 方法和 `tests/ci/hardware.py` 的设计，理解其如何通过架构词汇表、自动调度和严格校验来保证元数据的完整性。该设计值得在类似需要声明资源能力的 CI 系统中借鉴。

新增 Harbor in-process 模式完整指南文档，更新用户指南以区分两种执行模式。

此 PR 作为纯文档增强，其价值在于提升用户对新功能的理解。建议技术管理者和工程师关注其展示的文档组织原则：“一个模式一个完整指南”，以及文档应严格基于实际验证过的用例（作者关于 Modal 的决策）。对于正在采用 Harbor in-process 模式的团队，此文档是必读材料。Review 过程展示了如何通过仔细审查确保技术文档的准确性，值得借鉴。

新增 Harbor E2B 沙箱端到端测试，验证 agentic 路径完整链路，为 CI 自动化铺路。

本 PR 值得精读，尤其是测试脚本的设计和演进。它展示了如何为复杂的 agentic 路径构建端到端测试，包括环境预检、资源准备、执行和结果验证的清晰分离。其中关于解决 Qwen3 模型特定问题、处理陈旧状态和增强预检逻辑的迭代过程（通过提交历史可见）具有学习价值。最终的 `--debug-rollout-only` 方法巧妙地降低了测试的资源需求（仅需 2 GPU）。对于从事 agentic 系统、沙箱集成或端到端测试开发的工程师，此 PR 提供了实用的模式参考。

修复 Qwen3.6 端到端测试因工具调用失败模式配置不当导致的间歇性失败。

这个 PR 值得简要阅读，尤其是其详细的问题分析和验证部分。它展示了如何通过分析模型行为来调整测试配置以解决间歇性失败，对于处理类似模型与测试框架交互的问题有参考价值。变更本身简单，但诊断过程深入。

修复 true-on-policy logprob 计算路径未按 chunk 处理响应行导致 OOM 的问题。

该 PR 是一个高质量的 bugfix，值得精读。其核心实现（响应行分块）和配套的全面测试（正确性、数值稳定性、内存）都展示了严谨的工程实践。建议关注： 1. `_calculate_log_probs_and_entropy_true_on_policy` 中分块循环的实现，特别是熵计算部分对 `entropy_requires_grad` 的处理和原地操作优化。 2. GPU 测试如何设置 TP2 环境、构建参考实现以及验证内存峰值，这对编写类似测试有借鉴意义。 3. PR 虽然修改文件少，但变更涉及核心计算路径，且测试覆盖深入，是 bugfix 的典范。

为 Qwen3 异常 EOS 输出行为添加上下文注释，解释为何保留严格检查。

这是一个值得快速浏览的 PR。虽然代码改动微不足道，但其附带的 **上下文信息非常有价值**。对于任何需要修改或理解 TITO 验证器、Qwen3 模板处理或模型输出行为对齐逻辑的工程师，阅读此 PR 及其关联的 Issue #3113 都是必要的。它揭示了在评估生成模型输出时，处理预期行为与实际模型退化之间边界的细微之处。

修复 DeepSeek-V4 精度对等测试因默认实现变更导致的 CI 失败。

这是一个小而必要的 bugfix PR，**值得精读**，但主要价值在于理解其修复的两个上游变更的联动影响。对于开发者，关注点应在于：1) 测试如何与特定实现（`dsv4_impl`）耦合；2) 当核心系统行为（如数据转储策略）变更时，配套测试需要如何演进。对于管理者，此 PR 展示了维护跨 PR 依赖（如 PR#3141 与本测试）的 CI 实践。变更本身无复杂设计，但清晰展示了如何响应上游变更来保持测试有效性。