执行摘要

• 一句话：升级 TRT-LLM CI 镜像至 rc14 并清理临时修复
• 推荐动作：值得阅读以了解 CI 维护的最佳实践：升级基础依赖时同步清理临时修复，并在 reviewer 反馈下恢复测试覆盖。commit 历史展示了如何处理 merge 冲突。

功能与动机

PR 关联 #6262 升级了 TRT-LLM 基础镜像至 rc14，新镜像已修复 mbridge 问题，因此需要同步更新 CI 工作流中的镜像引用并清理临时 workaround。同时，在 #6275 合并后 trtllm_async_unit_tests 被移除，需要恢复以保持测试覆盖。

实现拆解

1. 更新 docker/Dockerfile.stable.trtllm：将 cccl 包含路径从硬编码 x86_64-linux 改为通过 uname -m 动态获取架构，使 Dockerfile 同时支持 x86_64 和 aarch64 构建。

2. 更新两个 CI 工作流文件中的 IMAGE 环境变量：e2e_fully_async_policy_trtllm.yml 和 e2e_ppo_grpo_trainer_trtllm.yml 中的镜像引用从 trtllm1.3.0rc13-20250504 改为 trtllm1.3.0rc14，采用浮动标签。

3. 清理临时修复：在 e2e_ppo_grpo_trainer_trtllm.yml 中删除三处 pip install mbridge 的 WAR 步骤；在 e2e_fully_async_policy_trtllm.yml 中删除一处 WAR 步骤。

4. 恢复测试覆盖：在 e2e_fully_async_policy_trtllm.yml 中重新添加 trtllm_async_unit_tests job（从 #6275 中移除），运行 test_trtllm_abort.py 等异步单元测试；同时在 e2e_ppo_grpo_trainer_trtllm.yml 中移除重复的 abort 测试运行。

关键文件：

• .github/workflows/e2e_fully_async_policy_trtllm.yml（模块 CI配置；类别 infra；类型 infrastructure）: 核心变更文件：更新镜像标签、新增 trtllm_async_unit_tests job、移除 mbridge WAR 安装行。
• .github/workflows/e2e_ppo_grpo_trainer_trtllm.yml（模块 CI配置；类别 infra；类型 infrastructure）: 更新镜像标签并移除所有 mbridge WAR pip 安装行，同时将 test_trtllm_abort.py 迁移到新的 async job。
• docker/Dockerfile.stable.trtllm（模块 Docker；类别 infra；类型 infrastructure）: 修改 cccl include 路径为架构感知，使 Dockerfile 同时支持 x86_64 和 aarch64。

关键符号：未识别

评论区精华

Reviewer hchings 提出（1）恢复被 #6275 删除的 fully_async unittest job；（2）由于新镜像已修复 mbridge 问题，移除所有对应的 WAR pip 安装行。作者在后续 commit 中全部采纳并解决。

• 恢复 fully_async 单元测试 job (testing): 作者同意并在后续 commit 中恢复了该 job。
• 清理 mbridge 临时修复 (infra): 作者在更新中移除了三个位置的 mbridge 安装。

风险与影响

• 风险：
  1. CI 镜像更新可能导致环境不兼容，但基础镜像已在 #6262 中验证。
  2. 测试 job 的移动和恢复需要确保没有遗漏测试用例，commit 历史显示已正确处理。
  3. Dockerfile 的架构感知路径修改在 x86_64 和 aarch64 上均需验证，但仅影响 cccl 路径，风险可控。
     - 影响：影响范围限于 TRT-LLM 相关的 CI 流程（e2e_ppo_grpo_trainer_trtllm 和 e2e_fully_async_policy_trtllm），包括 3 个工作流文件和 Dockerfile。对用户无直接影响，团队需确保新镜像通过 CI 测试。
     - 风险标记：CI 镜像升级, 测试覆盖恢复, 临时修复清理

关联脉络

• PR #6262 [docker] chore: bump trtllm to 1.3.0rc14 and pin mbridge: 升级基础镜像到 rc14，本 PR 同步升级 CI 镜像引用。
• PR #6275 [ci] chore: slim down TRT-LLM CI: 该 PR 移除了 trtllm_async_unit_tests job，本 PR 在 review 要求下恢复了该 job。