标签列表
聚合结果
清理 SRT 大量死代码与废弃测试，净删 3159 行
值得精读，尤其适合作为“大规模死代码清理”的范例：PR body 给出了每类删除的可验证论证（调用方扫描、import 检查、动态查找、测试矩阵隔离对比），并量化了删除的测试收益与保留项。值得关注的设计决策包括：缓存键简化为 UUID 列表、用 main/PR 测试计数差精确对齐删除的测试用例、以及删除 scanner 测试但保留行为测试的“迁移后退役守卫”模式。对编译、模型加载与 HiCache 模块维护者，建议留意编译缓存键变化与三个守卫测试退役后的长期影响。
为 profiler step span 加 DRAFT/VERIFY 阶段标签
值得精读，但不必投入大量时间：这是约 30 行的可观测性改进，重点看两个设计选择——一是用「worker 身份」而非「forward mode」作为标签的第一判据，二是用强制关键字参数 + 默认值实现向后兼容。若你维护 profiler、trace 解析脚本或性能报告，请顺手把 `TARGET_VERIFY` 的匹配规则更新为 `VERIFY` 并补上 `DRAFT`，同时评估是否要为 draft 的 EXTEND 形态单独保留一个更可读的 `DRAFT_EXTEND` 标签；若你只是关注推理正确性，可以跳过本 PR。
缺失 Token 请求状态日志由 error 降为 warning
值得快速浏览但不需精读。对维护监控体系的团队有参考价值：服务器框架中应区分客户端异常与服务器故障。同时可留意 `_handle_batch_output` 中 `HEALTH_CHECK_RID_PREFIX` 竞态分支的处理模式，理解日志降级与噪声控制间的权衡。
批量回退四个误合并 PR，恢复注意力后端与内核旧行为
值得精读，但重点不在代码，而在理解“哪四个改动被摘掉、各自为什么值得重新提交”。建议：1）工程师只需读本报告的关键源码片段即可掌握本次净 diff，不必逐行比对 9 个文件；2）重点关注 #39219 的 conv_state 竞态与 #39061 的 Dynamo graph break，这两处在重新提交前必须重新验证（最好附上 green-context 复现与 torch.compile 全图捕获测试）；3）在重新提交 #33426 前先 `grep` 全仓是否已有 `return_lse=True` 的消费方，避免扩展点回归时出现“加完没有使用者”或“使用者没有测试”的情况；4）#38346 需要作者补充越界复现，否则不建议恢复 clamp；5）把三路 CI 红灯的原因查清后再重新提交四个 PR，避免把既有失败带入新一轮 review。
给 HiCache 关键函数加 @rank_consensus 校验并在 CI 启用
值得快速浏览，重点学习 `@rank_consensus` 装饰器的参数选择策略：它没有简单地对整个入参/返回值做全量比较，而是通过表达式精确定位需要达成共识的字段，兼顾了校验有效性与分布式对象的异构性。若后续排查 HiCache 分布式不一致问题，可参考此模式继续扩大覆盖率。
阻断不可读 checkpoint 进入 native fallback，保留原始 I/O 错误
值得精读。虽然改动只有 6 行源码，但它展示了“异常路由要匹配问题语义”的设计思路：fallback 不是万能兜底，错误信息保真比二次包装更有价值。配套单测对误拦截的回归防护到位，适合作为错误诊断类修复的参考案例。
原始 PR · 作者 hanming-lu · 合并时间 2026-09-12 04:10
修复 TP LM-head all-to-all 纯 DP decode 死锁
值得精读。这是一个典型的“实验矩阵定位 + 最小作用域 workaround + 参数层单测”的分布式死锁修复案例，对部署 PD decode 或关注 CUDA graph 与 NCCL 交互的读者有参考价值。关注点：env 注入发生在 handle_data_parallelism 的时机、setdefault 保留用户显式设置的策略、以及作者如何用对照实验排除 MoE backend 与 dedicated buffers 两个变量。后续建议跟踪是否出现更根本的修复。
把 diffusion 请求路径的 5 处缓存诊断日志由 info 降为 debug
值得快速浏览，但不值得精读。三点建议：（1）合并前确认 diffusion 侧已有 metrics 或看板覆盖 `built_plans` / `host_hit_plans` / `host_pressure_skips`，否则这次降级等于把唯一的信号源关掉；（2）在运行手册中登记“需要开启 DEBUG 才能看到 AdaLN host tier / layerwise paged-out 诊断”，避免排障时误判功能缺失；（3）后续若有独立 PR 为这三个计数器补充遥测导出（可参考 PR#38782 把 telemetry 暴露到 nightly 看板的做法），可以把观测能力补齐，届时本 PR 的降级才真正无代价。