执行摘要

• 一句话：AMD CI 暂时禁用 async-assert 以避免 MXFP4 测试崩溃
• 推荐动作：这是一个临时修复，建议尽快定位 MXFP4 EAGLE-MTP 路径中 async-assert 的真因，并确保在 AMD 上也能安全启用。PR 本身值得快速合并以恢复 CI 稳定性。

功能与动机

PR #27461 在 AMD CI 中默认启用了 SGLANG_ENABLE_ASYNC_ASSERT=1，但 MXFP4 EAGLE-MTP 解码路径中的 torch._assert_async 探针会触发 HSA 硬件异常，导致调度器崩溃。为了恢复 AMD CI 的绿色状态，需要在 AMD CI 脚本中临时禁用该环境变量。

实现拆解

1. 修改 scripts/ci/amd/amd_ci_exec.sh 中的环境变量映射：将 SGLANG_ENABLE_ASYNC_ASSERT 从 1 改为 0。
2. 添加注释说明禁用原因：torch._assert_async 在 MXFP4 EAGLE-MTP 解码路径中导致 HSA 硬件异常。
3. 该变更仅影响 AMD CI 流程，NVIDIA CI 仍保持 SGLANG_ENABLE_ASYNC_ASSERT=1，不涉及任何运行时或内核代码修改。

关键文件：

• scripts/ci/amd/amd_ci_exec.sh（模块 CI脚本；类别 infra；类型 infrastructure）: 这是唯一修改的文件，通过将 SGLANG_ENABLE_ASYNC_ASSERT 设为 0 来禁用 AMD CI 上的异步断言，从而避免 MXFP4 EAGLE-MTP 测试崩溃。

关键符号：未识别

关键源码片段

scripts/ci/amd/amd_ci_exec.sh

这是唯一修改的文件，通过将 SGLANG_ENABLE_ASYNC_ASSERT 设为 0 来禁用 AMD CI 上的异步断言，从而避免 MXFP4 EAGLE-MTP 测试崩溃。

# scripts/ci/amd/amd_ci_exec.sh
# 环境变量映射表：定义 AMD CI 运行时的环境变量
# 注意：SGLANG_ENABLE_ASYNC_ASSERT 被设置为 0，因为 #27461 引入的异步断言探针
# 在 MXFP4 EAGLE-MTP 解码路径中触发 HSA 硬件异常，导致测试崩溃。
declare -A ENV_MAP=(
    [SGLANG_IS_IN_CI_AMD]=1
    [SGLANG_IS_IN_CI]=1
    # Disabled on AMD: the async-assert probes (#27461) fire torch._assert_async in
    # the MXFP4 EAGLE-MTP decode path and abort the queue with an HSA hardware
    # exception.
    [SGLANG_ENABLE_ASYNC_ASSERT]=0
    [SGLANG_USE_AITER]=1
)

评论区精华

维护者 HaiShaw 要求作者评估必要时在代码中设置 SGLANG_ENABLE_ASYNC_ASSERT=1 的必要性。但本 PR 仅是在 CI 级别暂时禁用，未深入追查根本原因。

• 是否需要永久修复而不是禁用 (question): 当前仅作临时禁用，未深入分析根本原因。

风险与影响

• 风险：风险极低：变更仅修改 AMD CI 环境变量，不涉及运行时逻辑或内核代码。但禁用 async-assert 后，AMD CI 上其他测试可能无法捕获潜在的异步错误，不过 NVIDIA CI 仍保留该功能。
• 影响：影响范围仅限于 AMD CI：使 test_deepseek_r1_mxfp4_8gpu.py 恢复绿色，避免 HSA 硬件异常导致的测试崩溃。但异步断言的覆盖率在 AMD 上降低，可能掩盖其他潜在问题。
• 风险标记：临时解决方案, 降低断言覆盖率

关联脉络

• PR #27461 Enable async-assert probes in AMD CI: 本 PR 正是为了修复 #27461 引入的回归问题：在 AMD CI 中默认启用 async-assert 导致 MXFP4 测试崩溃。