执行摘要

该PR为AMD MI325 runner新增4-GPU CI测试套件，包括3个per-commit测试和1个nightly测试，通过修改CI工作流和测试注册逻辑实现，严格隔离AMD更改以保持NVIDIA路径不变，提升AMD平台测试覆盖和可靠性。

功能与动机

PR body中明确指出动机是'Add 4-GPU AMD CI test coverage on MI325 runners'，解决AMD平台在4-GPU配置下的测试缺失问题。作者michaelzhang-ai在Issue评论中强调需'严格隔离AMD更改'，确保NVIDIA代码路径不受影响，这反映了跨平台CI测试的设计需求。

实现拆解

实现分为两个主要模块：

• CI工作流模块：在.github/workflows/下的四个YAML文件中新增jobs，如stage-c-test-4-gpu-amd和nightly-4-gpu，配置AMD MI325 runner和ROCm环境。关键代码片段：
  

  nightly-4-gpu-rocm720:
    runs-on: linux-mi325-4gpu-sglang
    steps:
      - name: Nightly Test ROCm 7.2 (4-GPU)
        run: bash scripts/ci/amd/amd_ci_exec.sh python3 run_suite.py --hw amd --suite nightly-amd-4-gpu
  

• 测试逻辑模块：在多个测试文件中使用register_amd_ci()和is_in_amd_ci()实现AMD-specific调整：
  | 文件 | AMD调整 | NVIDIA路径 |
  |------|---------|------------|
  | test_pp_single_node.py | 阈值从0.74降至0.70 | 保持0.74 |
  | test_eagle_dp_attention.py | 后端切换为triton | 保持fa3 |
  | test_dp_attention_large.py | 跳过MLA类测试 | 正常运行 |

评论区精华

review中无具体讨论，但Issue评论中作者michaelzhang-ai与HaiShaw交互，强调设计原则：

"I've cleaned up the PR to strictly isolate AMD changes: No NVIDIA code path changes."
这揭示了在跨平台CI测试中，通过条件分支和注册系统隔离更改的重要性，避免引入回归风险。

风险与影响

• 技术风险：AMD-specific逻辑可能引入假阳性，如test_eagle_dp_attention.py中accuracy阈值降低可能掩盖性能问题；新增CI jobs增加资源消耗，但使用专用runner控制影响。
• 影响范围：对用户，提升AMD 4-GPU环境下的软件可靠性；对团队，建立标准化AMD测试流程，便于后续扩展；对系统，CI流水线增加4个jobs，但未改变NVIDIA测试行为。

关联脉络

与历史PR关联显示AMD平台测试的持续演进：

• PR #21193 修复AMD夜间测试的不兼容性，与本PR共同完善AMD CI覆盖。
• PR #21239 重构JIT内核CI使用run_suite.py注册系统，与本PR的register_amd_ci()方法类似，体现仓库向中央化测试注册的演进趋势。
  结合commit历史（44次提交），本PR经过多次迭代调整阈值和配置，最终采用严格隔离设计，反映了在多平台环境中平衡测试覆盖与代码维护性的技术权衡。