执行摘要

• 一句话：LoRA logprob 准确性测试接入 AMD ROCm CI
• 推荐动作：此 PR 以测试为主，不建议深入精读源码，但值得快速浏览，作为“为既有测试做跨平台移植”的参考案例。两个值得注意的设计决策：一是用 is_hip() / is_xpu() 做平台条件化的后端选择，而不是为不同平台复制整套测试；二是按资源需求把测试挂到不同 CI suite（单卡 vs 4 卡），体现了测试成本与覆盖面的平衡。对计划在 SGLang 中为其他硬件平台扩展测试覆盖的贡献者有直接借鉴意义。

功能与动机

PR body 明确动机为“Add ROCm regression coverage for Qwen3-8B and GPT-OSS-20B LoRA logprob accuracy”。此前这两个 LoRA logprob 准确性测试只通过 register_cuda_ci 注册到 CUDA CI，AMD/ROCm 平台上的 LoRA 数值正确性没有任何回归测试兜底。测试本身将 SGLang 推理产出的 logprob 与训练参考数据（HuggingFace 数据集 yushengsu/lora-diff-Qwen3-8B 与 lora-diff-gpt-oss-20b）计算 KL 散度，并用 5e-3 阈值判定是否回归。

实现拆解

变更入口是两个已存在的 LoRA logprob 回归测试文件，实现分四步：

1. AMD CI 注册：两个文件都从 sglang.test.ci.ci_register 引入 register_amd_ci，并按资源需求挂到不同 suite。Qwen3-8B（单卡，TP=1）注册到 stage-b-test-1-gpu-small-amd，预估 120s；GPT-OSS-20B（TP=4）注册到 stage-c-test-4-gpu-amd，预估 180s。CUDA 侧原有注册保持不变。

2. Qwen3-8B 平台化后端选择：在 test_lora_qwen3_8b_logprob_diff.py 的 attention_backend_kwargs() 中新增 is_hip() 分支，ROCm 下 attention/prefill/decode 三个后端全部设为 triton；XPU 分支维持 intel_xpu；CUDA 默认分支维持 flashinfer + fa4。

3. GPT-OSS-20B 常量重构：test_lora_gpt_oss_20b_logprob_diff.py 将原来硬编码的 attention_backend="flashinfer" 与 fa4 常量重构为模块级 ATTENTION_BACKEND、PREFILL_ATTENTION_BACKEND、DECODE_ATTENTION_BACKEND，用 is_hip() 三元表达式在 triton 与 flashinfer/fa4 之间切换，engine 构造改为引用这些常量，消除了重复的平台判断。

4. 依据与验证：fa4 依赖 CUTLASS CUTE DSL、flashinfer 同为 CUDA-only，在 ROCm 上只能用 Triton 作为统一 attention 后端。PR body 提供了 MI355X ROCm 7.2 实测：Qwen3-8B 单卡 KL=2.818798e-04，GPT-OSS-20B TP=4 KL=1.429855e-03，均通过 5e-3 阈值，针对性 pre-commit 检查通过。

无配置、schema 或部署配套改动；测试数据与适配器仍通过 HuggingFace snapshot_download 获取。

关键文件：

• test/registered/lora/test_lora_qwen3_8b_logprob_diff.py（模块 LoRA 测试；类别 test；类型 test-coverage；符号 attention_backend_kwargs）: LoRA logprob 回归测试核心文件：新增 register_amd_ci 注册，并在 attention_backend_kwargs() 中为 ROCm 增加 Triton attention 分支，是平台适配的核心改动所在。
• test/registered/lora/test_lora_gpt_oss_20b_logprob_diff.py（模块 LoRA 测试；类别 test；类型 test-coverage；符号 ATTENTION_BACKEND, PREFILL_ATTENTION_BACKEND, DECODE_ATTENTION_BACKEND, test_lora_gpt_oss_20b_logprob_accuracy）: 另一个被接入 AMD CI 的 LoRA logprob 测试文件：除新增 register_amd_ci 外，还把硬编码的 attention 后端重构为基于 is_hip() 的平台条件化常量，展示了一种更简洁的平台适配写法。

关键符号：attention_backend_kwargs, test_lora_gpt_oss_20b_logprob_accuracy

关键源码片段

test/registered/lora/test_lora_qwen3_8b_logprob_diff.py

LoRA logprob 回归测试核心文件：新增 register_amd_ci 注册，并在 attention_backend_kwargs() 中为 ROCm 增加 Triton attention 分支，是平台适配的核心改动所在。

# 注册 CI：CUDA 沿用原配置，AMD 侧进入 stage-b 单卡套件。
register_cuda_ci(est_time=56, stage="extra-a", runner_config="1-gpu-large")
register_amd_ci(est_time=120, suite="stage-b-test-1-gpu-small-amd")
​
​
def attention_backend_kwargs():
    """Engine attention-backend kwargs for the current platform。
​
    fa4 与 flashinfer 都是 CUDA-only：fa4 派发到 CUTLASS CUTE DSL 内核，
    离开 CUDA 后无法导入。ROCm 上改用 Triton 作为统一 attention 后端，
    XPU 则继续走 intel_xpu 融合路径。
    """
    from sglang.srt.utils import is_hip, is_xpu
​
    if is_xpu():
        return {"attention_backend": "intel_xpu"}
    if is_hip():
        # ROCm 没有 fa4/flashinfer 内核，prefill 与 decode 全部落到 Triton。
        return {
            "attention_backend": "triton",
            "prefill_attention_backend": "triton",
            "decode_attention_backend": "triton",
        }
    # CUDA 默认路径保持不变：flashinfer + fa4。
    return {
        "attention_backend": "flashinfer",
        "prefill_attention_backend": PREFILL_ATTENTION_BACKEND,
        "decode_attention_backend": DECODE_ATTENTION_BACKEND,
    }

test/registered/lora/test_lora_gpt_oss_20b_logprob_diff.py

另一个被接入 AMD CI 的 LoRA logprob 测试文件：除新增 register_amd_ci 外，还把硬编码的 attention 后端重构为基于 is_hip() 的平台条件化常量，展示了一种更简洁的平台适配写法。

# 平台条件化的 attention 后端选择：ROCm 用 Triton，CUDA 保持 fa4/flashinfer。
ATTENTION_BACKEND = "triton" if is_hip() else "flashinfer"
PREFILL_ATTENTION_BACKEND = "triton" if is_hip() else "fa4"
DECODE_ATTENTION_BACKEND = "triton" if is_hip() else "fa4"
​
# CUDA 继续跑 4 卡 B200，AMD 侧进入 stage-c 4 卡套件。
register_cuda_ci(est_time=96, stage="extra-b", runner_config="4-gpu-b200")
register_amd_ci(est_time=180, suite="stage-c-test-4-gpu-amd")
​
# engine 构造改为引用平台化常量，替代原先硬编码的 "flashinfer"。
engine = sgl.Engine(
    model_path=BASE_MODEL,
    tp_size=TP_SIZE, # TP=4，与 stage-c 的 4 卡 suite 匹配
    enable_lora=True,
    max_lora_rank=MAX_LORA_RANK,
    lora_paths={"my_lora": adapter_path},
    lora_backend=LORA_BACKEND,
    attention_backend=ATTENTION_BACKEND,
    moe_runner_backend=MOE_RUNNER_BACKEND,
    experts_shared_outer_loras=EXPERTS_SHARED_OUTER_LORAS,
    prefill_attention_backend=PREFILL_ATTENTION_BACKEND,
    decode_attention_backend=DECODE_ATTENTION_BACKEND,
)

评论区精华

该 PR 没有实质性的 review 讨论：HaiShaw 直接 approve，review 评论数为 0。唯一互动是作者 Arist12 在评论中 @ 了 yushengsu-thu（即测试所依赖 HF 数据集 lora-diff-Qwen3-8B 与 lora-diff-gpt-oss-20b 的作者），推测为确认参考数据来源，未形成技术辩论。作者在 PR body 中用 MI355X ROCm 7.2 上的实测 KL 指标（两个模型分别为 2.8e-4 与 1.4e-3）主动给出后端切换的数值安全性证据，降低了 reviewer 的验证成本。

• 数据集维护者确认 (question): 未形成实质技术讨论；HaiShaw 直接 approve，无 review 评论。

风险与影响

• 风险：
  1. CI 资源与耗时：两个测试以 120s、180s 预估时长加入 AMD CI（其中 GPT-OSS-20B 需要 TP=4 的 4 卡资源），会加长 AMD 测试矩阵总运行时间；若 CI 池多卡配额紧张，可能出现排队或间歇失败。
  2. 外部依赖：测试运行时通过 snapshot_download 从 HuggingFace 拉取数据集与适配器，HF 资源缺失或网络抖动会直接导致 CI 失败，这是该类回归测试固有的外部脆弱性。
  3. 跨平台数值基线：ROCm 上采用 Triton attention，数值路径与 CUDA 的 fa4/flashinfer 不同，5e-3 阈值目前仅由一次实测支撑；后续 Triton 内核或 LoRA 计算路径演进时，阈值可能需要重新校准。
  4. 回归面：改动仅限测试文件，不触碰任何源码主路径，对生产代码无回归风险。
     - 影响：对 AMD/ROCm 用户：LoRA 推理的 logprob 数值正确性从此进入持续回归守护范围，Qwen3-8B（稠密）与 GPT-OSS-20B（MoE）两种代表性模型均有覆盖。对 CI 系统：AMD 测试矩阵新增两个重型模型级测试（含一个 4 卡 TP=4 用例），CI 总耗时与资源占用上升。对团队协作：后续任何涉及 LoRA 计算路径、Triton attention 或 ROCm 内核的改动都会更快暴露数值回归，形成 AMD 平台的质量闭环。
     - 风险标记：AMD CI 耗时增加, 依赖外部 HF 数据下载, 跨平台数值基线待观察

关联脉络

• PR #38767 [AMD][CI] Retire the ROCm 7.0 kernel wheel: 同为 AMD/ROCm CI 与平台策略演进：该 PR 退役 ROCm 7.0 kernel wheel 并收敛构建矩阵，本 PR 在 ROCm 7.2（MI355X）上新增 LoRA 回归测试，体现 AMD 平台测试覆盖扩展的同一方向。