执行摘要

• 一句话：为 AMD 测试添加确定性种子修复偶发失败
• 推荐动作：建议精读。这是一个小而精的测试修复案例，展示了如何通过最小侵入性修改（单文件 +8 行）解决平台相关的随机性问题，值得测试工程师参考。

功能与动机

test_moe_topk_sigmoid 在 AMD CI（ROCm MI30x/MI35x）上因 atol=0 的索引比较而间歇性失败，原因是 torch.randn 的未种子化输入导致接近平局的分数，而 hipCUB 的 torch.topk tie-break 与 sgl_kernel.topk_sigmoid 不同。该 bug 仅影响 AMD 平台。

实现拆解

1. 添加 HIP 检测标志：在文件顶部定义 _IS_HIP = torch.version.hip is not None，作为平台条件。
2. 创建确定性种子 fixture：新增一个 @pytest.fixture(autouse=True) 的 _deterministic_seed 函数，当 _IS_HIP 为真时调用 torch.manual_seed(0)，确保每个测试用例的输入可重现。
3. 保持 CUDA 不变：该 fixture 在非 ROCm 平台上无操作，因此 CUDA CI 的测试用例仍然使用未固定的随机输入，不降低 CUDA 覆盖质量。

关键文件：

• sgl-kernel/tests/test_moe_topk_sigmoid.py（模块 测试；类别 test；类型 test-coverage；符号 _deterministic_seed）: 唯一被修改的文件，添加了仅在 ROCm 上生效的确定性种子 fixture。

关键符号：_deterministic_seed

关键源码片段

sgl-kernel/tests/test_moe_topk_sigmoid.py

唯一被修改的文件，添加了仅在 ROCm 上生效的确定性种子 fixture。

import itertools
import sys
​
import pytest
import torch
from sgl_kernel import topk_sigmoid
​
# 仅在 ROCm 平台上启用固定种子，避免 hipCUB 与 sgl_kernel 在 tie-break 上的差异导致偶发失败
_IS_HIP = torch.version.hip is not None
​
​
@pytest.fixture(autouse=True)
def _deterministic_seed():
    # AMD/ROCm only: pin RNG so torch.randn produces identical gating scores
    # across runs. atol=0 indices comparison is otherwise tripped by near-tied
    # sigmoid scores where hipCUB's tie-break inside torch.topk disagrees with
    # sgl_kernel.topk_sigmoid. Not observed on CUDA, so leave CUDA behavior
    # unchanged.
    if _IS_HIP:
        torch.manual_seed(0)

评论区精华

无 review 评论。PR 由 HaiShaw 批准。

• 暂无高价值评论线程

风险与影响

• 风险：无显著风险。仅修改了测试文件，生产代码未受影响。在 AMD 上固定种子可能会掩盖输入依赖的 bug，但该测试的目的本就是验证索引正确性，而非随机性。
• 影响：影响范围极小，仅限于 sgl-kernel/tests/test_moe_topk_sigmoid.py 中的四个参数化测试。AMD CI 的稳定性得到改善，CUDA CI 不受影响。
• 风险标记：测试平台特定

关联脉络

• 暂无明显关联 PR