执行摘要

• 一句话：禁用虚权重测试的 NaN 断言崩溃
• 推荐动作：该 PR 是典型的测试基础设施修复，改动简单直接，适合快速合并。开发者在类似场景（虚权重测试）中可参考此模式来避免断言影响。

功能与动机

Dummy random weights legitimately produce NaN logits, which now trip the CI async NaN assert added in #27883 and kill the scheduler during warmup. 需要禁用该测试的崩溃机制，让 NaN 以节流告警方式处理。

实现拆解

仅修改 test/registered/4-gpu-models/test_deepseek_v3_cutedsl_4gpu.py 中 setUpClass 方法的 env 字典，添加 4 个环境变量覆盖：

1. SGLANG_ENABLE_ASYNC_ASSERT=0：禁用异步 NaN 断言。
2. SGLANG_CUDA_COREDUMP=0：禁用 GPU coredump。
3. CUDA_ENABLE_COREDUMP_ON_EXCEPTION=0：显式覆盖，因为当 SGLANG_CUDA_COREDUMP=1 时该变量已注入环境。
4. SGLANG_CUDA_COREDUMP_BEFORE_CRASH=0：禁用崩溃前 coredump。

关键文件：

• test/registered/4-gpu-models/test_deepseek_v3_cutedsl_4gpu.py（模块 测试；类别 test；类型 test-coverage）: 唯一变更文件，通过环境变量禁用异步 NaN 断言和 GPU coredump，修复虚权重导致的 CI 崩溃。

关键符号：未识别

关键源码片段

test/registered/4-gpu-models/test_deepseek_v3_cutedsl_4gpu.py

唯一变更文件，通过环境变量禁用异步 NaN 断言和 GPU coredump，修复虚权重导致的 CI 崩溃。

# 在 setUpClass 方法中启动服务器时，通过环境变量传递
# Dummy 随机权重会正常产生 NaN logits，因此需要关闭 CI 崩溃机制
# 使用 NaN 告警而非崩溃调度器
cls.process = popen_launch_server(
    cls.model,
    cls.base_url,
    timeout=DEFAULT_TIMEOUT_FOR_SERVER_LAUNCH,
    other_args=other_args,
    env={
        **os.environ,
        "SGLANG_DEEPEP_NUM_MAX_DISPATCH_TOKENS_PER_RANK": "256",
        "SGLANG_MOE_NVFP4_DISPATCH": "0",
        # Dummy random weights legitimately produce NaN logits; turn
        # off the CI crash machinery (async assert, coredump on GPU
        # exception, crash-time coredump) so NaN is sanitized with a
        # warning instead of killing the scheduler.
        "SGLANG_ENABLE_ASYNC_ASSERT": "0", # 禁用异步 NaN 断言
        "SGLANG_CUDA_COREDUMP": "0", # 禁用 GPU coredump
        # 当 SGLANG_CUDA_COREDUMP=1 时该变量已被注入环境，需要显式覆盖
        "CUDA_ENABLE_COREDUMP_ON_EXCEPTION": "0",
        "SGLANG_CUDA_COREDUMP_BEFORE_CRASH": "0",
    },
)

评论区精华

无 review 讨论。

• 暂无高价值评论线程

风险与影响

• 风险：该变更加入的条件检查仅在测试环境有效，不影响生产代码。风险极低，因为环境变量只在该测试的子进程中生效，且只是关闭了断言和 coredump，不会引入新问题。
• 影响：仅影响 DeepSeek V3 CuteDSL 4 GPU 测试，修复了因虚权重导致的 CI 崩溃，恢复该测试的稳定性。对其他测试和功能无影响。
• 风险标记：仅测试环境变更

关联脉络

• PR #27883 Add async NaN assert: 本 PR 修复了 #27883 引入的异步 NaN 断言导致虚权重测试崩溃的问题。