执行摘要

• 一句话：NPU 测试代码去重与重构，使用 Mixin 消除重复 GSM8K 测试逻辑
• 推荐动作：值得精读，展示了如何通过 Mixin 模式重构大型测试套件中的重复代码，是测试基础设施优化的良好实践。需特别关注 Review 中尚未完全解决的属性名不匹配问题，以及权重路径是否使用缓存。

功能与动机

来自 PR Body：'There is a lot of duplicated code because, instead of using a GSM8KAscendMixin common class, the GSM8K model tests were added by copy-pasting.' 目标是消除重复代码，统一测试配置方式，并在 CI 中输出测试摘要。

实现拆解

1. 创建 Mixin 基类：在 python/sglang/test/ascend/gsm8k_ascend_mixin.py 中定义 GSM8KAscendMixin，封装 GSM8K 评估的公共逻辑（启动服务、执行评估、断言）。在 python/sglang/test/ascend/test_mmlu.py 中定义 TestMMLU 基类，封装 MMLU 评估逻辑。基类通过读取子类的类属性（model、other_args、env、accuracy 等）自动完成服务启动和测试执行。

2. 重构各测试类：修改 6 个 DeepEP 和注意力并行测试文件，使其继承 GSM8KAscendMixin 和 TestMMLU（部分类多重继承）。将原来的 setUpClass/tearDownClass 方法替换为声明式类属性，移除了大量重复的 popen_launch_server 调用和 kill_process_tree 逻辑。测试方法（如 test_gsm8k、test_mmlu）由基类统一实现。

3. 添加 GitHub Summary 输出：在基类和部分测试中集成 GitHub Actions Step Summary，将准确率结果以 JSON 格式输出，方便 CI 流水线解析。

4. 更新权重路径：在 test_ascend_utils.py 中添加新的模型权重常量 REDHATAI_QWEN2_5_0_5B_INSTRUCT_QUANTIZED_W8A8_WEIGHTS_PATH，用于量化测试。

5. 修复配置问题：根据 Review 反馈，修正了 other_args 误定义为元组的问题、属性名不匹配问题（accuracy_mmlu → accuracy_mmlu_threshold），以及权重路径缺少 MODEL_WEIGHTS_DIR 前缀的问题。

6. 更新 CODEOWNERS：修改 .github/CODEOWNERS，将 Ascend 测试的维护者指向新团队。

关键文件：

• test/registered/ascend/llm_models/test_npu_qwen3_30b_attn_cp.py（模块 注意力并行；类别 test；类型 test-coverage；符号 TestQwen330BAttnCP, setUpClass, tearDownClass, test_gsm8k_accuracy）: 核心测试文件，重构后使用 GSM8KAscendMixin，减少约 70 行重复代码，展示了从 setUpClass 到声明式配置的转变。
• test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_auto_qwen3_480b.py（模块 专家并行；类别 test；类型 test-coverage；符号 TestDeepEpQwen, setUpClass, tearDownClass, test_mmlu）: 典型的 DeepEP 自动模式测试文件，重构后同时使用 GSM8KAscendMixin 和 TestMMLU，显著减少重复代码。
• test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_low_latency_qwen3_480b.py（模块 专家并行；类别 test；类型 test-coverage；符号 TestDeepEpQwen, setUpClass, tearDownClass, test_mmlu）: DeepEP 低延迟模式测试，重构后同样减少约 100 行重复代码。
• test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_low_latency_qwen3_next.py（模块 专家并行；类别 test；类型 test-coverage；符号 TestQwen3Next, setUpClass, tearDownClass, test_mmlu）: Qwen3-Next 低延迟模式测试，重构后减少约 100 行重复代码。
• test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_auto_qwen3_next.py（模块 专家并行；类别 test；类型 test-coverage；符号 TestQwen3Next, setUpClass, tearDownClass, test_mmlu）: Qwen3-Next 自动模式测试，重构后减少约 96 行重复代码。
• test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_low_latency_deepseek_v3_2_w8a8.py（模块 专家并行；类别 test；类型 test-coverage；符号 TestDeepEpDeepseekV32, setUpClass, tearDownClass, test_mmlu）: DeepSeek V3.2 低延迟模式测试，重构后减少约 87 行重复代码。
• test/registered/ascend/basic_function/quant/test_npu_w4a4_quantization.py（模块 量化测试；类别 test；类型 test-coverage；符号 TestAscendW4A4, setUpClass, tearDownClass, test_gsm8k）: 量化测试文件，同样引入 GSM8KAscendMixin 以消除重复的 setUpClass 和 test_gsm8k。
• test/registered/ascend/basic_function/quant/test_npu_w8a8_quantization.py（模块 量化测试；类别 test；类型 test-coverage；符号 TestAscendW8A8CompressedTensors, setUpClass, tearDownClass, test_gsm8k）: W8A8 量化测试，同样采用 Mixin 去掉重复样板代码。
• python/sglang/test/ascend/test_ascend_utils.py（模块 测试工具；类别 test；类型 test-coverage）: 工具文件，新增模型权重路径常量，并修复了路径前缀问题。
• python/sglang/test/ascend/test_mmlu.py（模块 测试基类；类别 test；类型 test-coverage）: MMLU 测试基类，引入 TestMMLU 供其他测试继承，并在此 PR 中调整了 Summary 输出格式。
• python/sglang/test/ascend/gsm8k_ascend_mixin.py（模块 测试基类；类别 test；类型 test-coverage）: 核心 Mixin 文件，定义了 GSM8KAscendMixin，封装了服务启动、评估执行和 Summary 输出逻辑。
• .github/CODEOWNERS（模块 仓库配置；类别 infra；类型 infrastructure）: 更新 Ascend 测试目录的负责人，将维护者指向新团队。

关键符号：GSM8KAscendMixin, TestMMLU, setUpClass, test_gsm8k, test_mmlu

关键源码片段

test/registered/ascend/llm_models/test_npu_qwen3_30b_attn_cp.py

核心测试文件，重构后使用 GSM8KAscendMixin，减少约 70 行重复代码，展示了从 setUpClass 到声明式配置的转变。

# test/registered/ascend/llm_models/test_npu_qwen3_30b_attn_cp.py
# 重构后：使用 Mixin + 类属性，无需重复编写服务启动和测试方法
import os
import unittest
from sglang.test.ascend.gsm8k_ascend_mixin import GSM8KAscendMixin # 引入共享 Mixin
from sglang.test.ascend.test_ascend_utils import QWEN3_30B_A3B_WEIGHTS_PATH
from sglang.test.ci.ci_register import register_npu_ci
from sglang.test.test_utils import CustomTestCase
​
register_npu_ci(est_time=500, suite="nightly-4-npu-a3", nightly=True)
​
​
class TestQwen330BAttnCP(GSM8KAscendMixin, CustomTestCase):
    """GSM8K accuracy test for Qwen3-30B-A3B mixed deployment on 4 NPUs."""
    model = QWEN3_30B_A3B_WEIGHTS_PATH # 类属性：模型路径
    other_args = [ # 类属性：额外启动参数
        "--trust-remote-code",
        "--mem-fraction-static", "0.7",
        "--max-running-requests", "32",
        "--attention-backend", "ascend",
        "--tp-size", "4",
        "--moe-dp-size", "2",
        "--attn-cp-size", "2",
        "--cuda-graph-max-bs", "32",
        "--enable-prefill-context-parallel",
    ]
    env = {**os.environ, "ASCEND_USE_FIA": "1"} # 类属性：环境变量
    accuracy = 0.92 # GSM8K 最低准确率
    gsm8k_parallel = 32
    num_questions = 100
    gsm8k_num_shots = 5
​
if __name__ == "__main__":
    unittest.main()

test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_auto_qwen3_480b.py

典型的 DeepEP 自动模式测试文件，重构后同时使用 GSM8KAscendMixin 和 TestMMLU，显著减少重复代码。

# test/registered/ascend/basic_function/parallel_strategy/expert_parallelism/test_npu_deepep_auto_qwen3_480b.py
# 重构后：多重继承 Mixin，同时获得 GSM8K 和 MMLU 测试能力
import os
import unittest
from sglang.test.ascend.gsm8k_ascend_mixin import GSM8KAscendMixin
from sglang.test.ascend.test_ascend_utils import QWEN3_CODER_480B_A35B_INSTRUCT_W8A8_QUAROT_WEIGHTS_PATH
from sglang.test.ascend.test_mmlu import TestMMLU # 引入 MMLU 测试基类
from sglang.test.ci.ci_register import register_npu_ci
from sglang.test.test_utils import CustomTestCase
​
register_npu_ci(est_time=200, suite="nightly-16-npu-a3", nightly=True)
​
class TestDeepEpQwen(GSM8KAscendMixin, TestMMLU, CustomTestCase):
    """Test with DeepEP auto mode"""
    model = QWEN3_CODER_480B_A35B_INSTRUCT_W8A8_QUAROT_WEIGHTS_PATH
    other_args = [
        "--trust-remote-code", "--nnodes", "1", "--node-rank", "0",
        "--attention-backend", "ascend", "--device", "npu",
        "--quantization", "modelslim", "--max-running-requests", 96,
        "--context-length", 8192, "--dtype", "bfloat16",
        "--chunked-prefill-size", 28672, "--max-prefill-tokens", 458880,
        "--disable-radix-cache", "--moe-a2a-backend", "deepep",
        "--deepep-mode", "auto", "--tp-size", 16, "--dp-size", 4,
        "--enable-dp-attention", "--enable-dp-lm-head",
        "--mem-fraction-static", 0.7, "--cuda-graph-bs", 16, 20, 24,
    ]
    env = {
        "PYTORCH_NPU_ALLOC_CONF": "expandable_segments:True",
        "SGLANG_DISAGGREGATION_BOOTSTRAP_TIMEOUT": "600",
        "HCCL_BUFFSIZE": "2100", "HCCL_OP_EXPANSION_MODE": "AIV",
        "TRANSFORMERS_VERBOSITY": "error", **os.environ,
    }
    mmlu_num_examples = 8
    accuracy_mmlu_threshold = 0.61 # MMLU 准确性阈值
    accuracy = 0.91 # GSM8K 准确性阈值
    num_questions = 200
    gsm8k_num_shots = 8
​
if __name__ == "__main__":
    unittest.main()

评论区精华

Review 主要指出三个问题：

• 属性名不匹配：test_mmlu.py 中 getattr(self, 'accuracy_mmlu') 与子类定义的 accuracy_mmlu_threshold 不一致，会导致 Summary 显示 'N/A'。
• 权重路径缺少前缀：新增的 REDHATAI_QWEN2_5_0_5B_INSTRUCT_QUANTIZED_W8A8_WEIGHTS_PATH 未使用 os.path.join(MODEL_WEIGHTS_DIR, ...)，可能导致文件未找到。作者回应：“Since the test did not specify an absolute path, I copied it here the same way.” 后改为使用缓存。
• other_args 类型错误：多个文件将 other_args 定义为 ([...]) 即元组包裹列表，应改为纯列表。

最终 reviewer ping1jing2 批准了 PR，但部分评论指出问题可能未完全修复（如 accuracy_mmlu 仍残留），需注意。

• 属性名不匹配导致 Summary 显示 N/A (correctness): 作者未明确回复，但后续提交可能已修复。最终需验证。
• 新权重路径缺少 MODEL_WEIGHTS_DIR 前缀 (correctness): 作者在后续提交中修复，使用了缓存路径。
• other_args 定义为元组而非列表 (correctness): 作者应已修复（相关文件最终版本显示为列表格式）。

风险与影响

• 风险：

  1. 基类兼容性风险：GSM8KAscendMixin 和 TestMMLU 的多重继承 MRO 可能导致预期外的行为，例如若两个基类都定义了 setUpClass，子类调用 super() 时顺序可能非预期。但当前实现中 Mixin 只提供类属性，不重写 setUpClass，风险较低。
  2. 配置遗漏风险：声明式类属性可能遗漏某些测试类特定的配置（如超时时间、环境变量），例如 test_npu_deepep_low_latency_deepseek_v3_2_w8a8.py 中增加了 timeout_for_server_launch = 6000，但其他测试未显式设置，可能使用基类默认值，需确认基类是否妥善处理。
  3. 属性名不一致：Review 指出的 accuracy_mmlu 与 accuracy_mmlu_threshold 不匹配问题，在最终代码中可能仍存在，若未修复会导致 Summary 中 MMLU 阈值显示异常，但不影响测试执行。
  4. 回归风险：修改涉及 12 个文件，删除约 600 行代码，若基类实现有缺陷可能影响所有 NPU 测试，需依赖 CI 验证。
     - 影响：范围：仅影响 NPU 测试套件（Ascend 平台），不涉及任何生产代码。
     程度：显著降低测试代码重复度，提升可维护性。新增的 GitHub Summary 输出便于 CI 结果查看。未来新增类似测试只需继承 Mixin 并配置少量属性。对用户和推理服务无影响。

• 风险标记：属性名不一致残留, 多重继承 MRO 可能非预期, 基类默认配置可能不适合所有测试

关联脉络

• PR #24689 [NPU] Add GitHub test summary and deduplicate test code. Part 2: 自身，作为上下文参考。