执行摘要
- 一句话：修复 AMD CI 中 ANTLR 版本冲突，解锁 ROCm 7.2 stage-b 评测
- 推荐动作：值得合入，并可作为 CI 依赖冲突排查的范例阅读。关注三点：一是在安装脚本中立即钉回版本的修复时机选择；二是 --force-reinstall --no-deps 的取舍理由；三是对 install_with_retry 内部 eval 拆词的防御。对普通读者不需要精读，对 AMD CI 维护者建议顺手补充安装后 antlr 版本校验，防止回归。
功能与动机
34689 修复了 ROCm 7.2 stage-a 的 sgl-eval 安装语法问题后，stage-b 首次运行，所有调用 run_eval 的 shard 都报 ImportError: Unsupported ANTLR version 4.7.2。PR body 指出这是 scripts/ci/amd/amd_ci_install_dependency.sh 中的依赖顺序冲突：sgl-eval 先装并带入 antlr4-python3-runtime 4.9.3，lmms-eval v0.4.1 随后拉入 latex2sympy2 并 pin 4.7.2、卸载 4.9.3。CUDA 路径在 #34477 引入 sgl-eval 时已修过同样的冲突，AMD 因 stage-a 前置故障从未得到等价修复。
实现拆解
-
定位与复现：
根据 PR body 与 install 日志，确认是依赖安装顺序冲突，即 lmms-eval v0.4.1 的 latex2sympy2 将 antlr4-python3-runtime 从 4.9.3 降级为 4.7.2，运行期 sgl_eval._vendored.nemo_skills.math_grader 拒绝 4.7.2。
-
选择修复点：
在 scripts/ci/amd/amd_ci_install_dependency.sh 中 lmms-eval 安装后立即用 install_with_retry 执行 pip install "antlr4-python3-runtime==4.9.3" --force-reinstall --no-deps，与 scripts/ci/cuda/ci_install_dependency.sh 的既有修复保持一致。
-
放置与细节：
--force-reinstall --no-deps 只重装 antlr 而不动 lmms-eval 其他依赖；pin 放在 SKIP_TT_DEPS 的 else 分支内，因为跳过测试依赖时 lmms-eval 根本不会安装；spec 不含空格，可安全穿过 install_with_retry 内部的 eval（避免 #34689 修过的拆词陷阱）。
-
验证：
PR Test ROCm 7.2 run 31742250192 中 ImportError 出现 0 次，stage-b-1gpu-small 13/14 通过；剩余 5 个失败各有独立原因（HIP graph-capture、perf 阈值、EmbeddingReqInput 属性缺失等），其中 EmbeddingReqInput 由 #34769 单独修复。
-
配套：
无模型或内核代码改动，无单测；验证依赖 run-ci 标签的 ROCm 7.2 流水线。
关键文件：
scripts/ci/amd/amd_ci_install_dependency.sh（模块 CI 脚本；类别 infra；类型 infrastructure）: 唯一变更文件，在 lmms-eval 安装后立即把 antlr4-python3-runtime 重新钉为 4.9.3，修复 ROCm 7.2 stage-b 评测路径的依赖顺序冲突，并对齐 CUDA 安装脚本的既有方案。
关键符号：未识别
关键源码片段
scripts/ci/amd/amd_ci_install_dependency.sh
唯一变更文件，在 lmms-eval 安装后立即把 antlr4-python3-runtime 重新钉为 4.9.3，修复 ROCm 7.2 stage-b 评测路径的依赖顺序冲突，并对齐 CUDA 安装脚本的既有方案。
# lmms-eval v0.4.1 会拉入 latex2sympy2，后者把 antlr4-python3-runtime 钉为 4.7.2，
# 并卸载 sgl-eval 依赖的 4.9.3，导致每个调用 sgl-eval run mmlu 的 shard 报错
# “Unsupported ANTLR version 4.7.2”；CUDA 安装脚本早已用同样方式修复，这里对齐。
install_with_retry docker exec -w /lmms-eval ci_sglang pip install --cache-dir=/sgl-data/pip-cache -e .
# 紧跟 lmms-eval 安装，因为它是本脚本最后一个会触碰 antlr 的步骤；
# --force-reinstall --no-deps 只重装 antlr，不动 lmms-eval 的其他依赖。
# 该 pin 放在 SKIP_TT_DEPS 的 else 分支内：跳过测试依赖时 lmms-eval 不会安装，
# 也就不存在被覆盖的问题。spec 不含空格，可安全经过 install_with_retry 的 eval。
install_with_retry docker exec ci_sglang pip install --cache-dir=/sgl-data/pip-cache "antlr4-python3-runtime==4.9.3" --force-reinstall --no-deps
评论区精华
Review 阶段没有文字评论，bingxche 直接 APPROVED。主要讨论在 Issue 评论中由 amd-bot 给出：
Merge verdict: fix 验证有效——antlr4-python3-runtime==4.9.3 的 pin 在每个 ROCm 7.2 job 中生效，Unsupported ANTLR 4.7.2 错误完全消失。没有正在执行的失败由本 PR 引起。
amd-bot 同时提醒：stage-b 仍有 5 个与本次 pin 无关的失败，且因 fast-fail，所有 stage-c 任务被跳过未测试，PR 无法单独让 workflow 变绿。作者在 PR body 中逐一给出了剩余失败的成因与关联修复。
- PR CI 未全绿与 stage-c fast-fail 跳过 (testing): 修复已验证有效，但 PR 无法单独让 workflow 变绿，剩余失败需单独修复或 bypass-fastfail 以获取 stage-c 信号。
风险与影响
- 风险：
- 依赖覆盖风险：--force-reinstall --no-deps 会把 lmms-eval 侧 latex2sympy2 想要的 4.7.2 强制覆盖为 4.9.3，lmms-eval 相关功能存在兼容性风险；CUDA 路径已长期接受同一取舍，属已知且可接受的权衡。
- 防回归缺口：脚本没有在安装后校验 antlr 版本，未来 lmms-eval 或 latex2sympy2 升级可能再次引发同类问题，需要人工从日志发现。
- 流水线完整性：本 PR 合入时 stage-c 全部未跑、stage-b 还有 5 个失败，虽然与本次修改无关，但 CI 未处于全绿状态，回归信号被部分遮蔽。
- 影响面限制：仅修改 AMD 安装脚本，NPU 不装 lmms-eval 不受影响，CUDA 已有同款 pin，无运行时影响。
- 影响：对用户与模型无直接影响（纯 CI 脚本）；对团队的影响是解锁了 AMD ROCm 7.2 stage-b 的 accuracy 评测，使 sgl-eval run mmlu 相关测试从大量失败恢复到 13/14 通过，并让 AMD 与 CUDA 两条 CI 路径的依赖处理行为对齐。后续 stage-b 剩余问题（#34769 等）仍会影响 AMD 夜间与 PR CI 的绿灯状态。
- 风险标记：依赖版本强制覆盖, stage-c 未验证, 防回归校验缺失
关联脉络
- PR #34689 [AMD] CI: drop the spaces from SGL_EVAL_SPEC (fixes ROCm 7.2 stage-a sgl-eval install): 前置修复，解锁 ROCm 7.2 stage-a，使 stage-b 首次运行并暴露本 PR 修复的 ANTLR 冲突。
- PR #34769 [VLM] Fix AttributeError on multimodal embedding requests: 本 PR CI 结果中 stage-b 的 EmbeddingReqInput AttributeError 失败由该 Issue 修复，属于同一批 ROCm 7.2 stage-b 首跑暴露的问题。
参与讨论