执行摘要

• 一句话：修复分布式单节点测试中GSM8K的flaky断言。
• 推荐动作：该PR变更简单，无需精读代码；对于工程师，可关注类似flaky测试修复模式（如阈值放宽策略），并可参考PR 21562等历史PR学习CI稳定性优化。

功能与动机

PR body中引用的CI运行失败日志（链接https://github.com/sgl-project/sglang/actions/runs/23627607137/job/68950721355?pr=20972#step:7:8385）显示test_gsm8k准确性断言失败，表明该测试存在不稳定性（flaky）。变更旨在通过调整断言条件来减少此类失败，确保CI测试更可靠。

实现拆解

仅修改测试文件test/registered/distributed/test_pp_single_node.py中的test_gsm8k方法：将准确性断言的阈值从大于0.65放宽至大于等于0.65，即self.assertGreater(metrics["accuracy"], 0.65)改为self.assertGreaterEqual(metrics["accuracy"], 0.65)。没有其他代码或模块变更。

关键文件：

• test/registered/distributed/test_pp_single_node.py（模块 测试/分布式）: 唯一修改的文件，包含flaky测试断言修复，直接影响CI测试稳定性。

关键符号：test_gsm8k

评论区精华

review中只有gemini-code-assist[bot]的评论，指出变更内容并确认无问题，未引发争议或深入讨论。Issue评论中作者执行了/rerun-ut重新运行测试以验证修复效果。

• 测试断言变更 (testing): 无争议，变更被接受并合并。

风险与影响

• 风险：风险较低：变更仅放宽测试断言阈值，可能掩盖潜在的性能回归问题（例如模型准确性降至0.65时不再触发失败）。但由于是纯测试调整，不影响生产代码、系统功能或安全，且无兼容性或性能风险。
• 影响：影响局限于CI测试流程：减少test_pp_single_node.py测试的flaky失败，提高开发体验和CI效率。无用户界面、系统性能或代码功能的影响。
• 风险标记：测试阈值放宽

关联脉络

• PR #21562 [CI] Relax several thresholds in flaky CIs: 同样修复flaky CI测试，通过放宽测试阈值以减少不稳定性，涉及类似技术手法。