执行摘要

• 一句话：精简 TRT-LLM CI，合并测试任务并移除冗余 job
• 推荐动作：值得快速合并，属于基础 CI 清理工作，无功能性变更。建议后续关注 FSDP + TRT-LLM 的测试覆盖是否需单独补充，以及观察拆分后的单元测试是否仍有稳定性问题。

功能与动机

per reviewer feedback, simplify the TRT-LLM CI: merge trtllm_async_unit_tests into trtllm_unit_tests by adding test_trtllm_abort.py to the existing pytest invocation... Drop the e2e_grpo_trainer_fsdp-qwen2 job; FSDP coverage with TRT-LLM rollout is no longer required (Megatron variants remain). Saves one runner per workflow run and consolidates trtllm unit tests into a single job with broader trigger coverage.

实现拆解

1. 合并单元测试 job：在 e2e_fully_async_policy_trtllm.yml 中删除原有的 trtllm_async_unit_tests job，将 test_trtllm_abort.py 的测试步骤添加到 trtllm_unit_tests job 中（在 e2e_ppo_grpo_trainer_trtllm.yml 的 pytest 调用后新增 pytest -v -s --durations=20 tests/workers/rollout/rollout_trtllm/test_trtllm_abort.py）。
2. 移除 FSDP E2E job：删除 e2e_ppo_grpo_trainer_trtllm.yml 中的 e2e_grpo_trainer_fsdp-qwen2 job 及其所有步骤，因为 FSDP 与 TRT-LLM 的测试覆盖不再需要，Megatron 变体已足够。
3. 清理触发路径：从 e2e_ppo_grpo_trainer_trtllm.yml 的 pull_request 路径列表中移除 examples/grpo_trainer/run_qwen3_8b_fsdp.sh，避免该文件变更触发不必要的 CI 运行。
4. 更新依赖列表：在 e2e_fully_async_policy_trtllm.yml 的 cleanup job 的 needs 中移除已删除的 trtllm_async_unit_tests job。
5. 修复合并后的测试冲突：在第二个 commit 中，由于 test_trtllm_abort.py 与 test_async_server.py 等在同一个 Python 进程中执行时因反复 ray.init/ray.shutdown 加载 TRT-LLM 模型导致 SIGSEGV，因此将测试拆分为两个独立的 pytest 调用。

关键文件：

• .github/workflows/e2e_ppo_grpo_trainer_trtllm.yml（模块 CI 配置；类别 infra；类型 infrastructure）: 核心变更文件：合并 trtllm_unit_tests 和 e2e_grpo_trainer_fsdp-qwen2 job，删除 54 行代码，新增 3 行，影响单元测试和 E2E 测试配置。
• .github/workflows/e2e_fully_async_policy_trtllm.yml（模块 CI 配置；类别 infra；类型 infrastructure）: 辅助变更文件：删除 trtllm_async_unit_tests job，更新 cleanup job 的依赖关系，删除 33 行代码，新增 1 行。

关键符号：未识别

评论区精华

无 review 评论。

• 暂无高价值评论线程

风险与影响

• 风险：
  1. 测试稳定性风险：首次合并 test_trtllm_abort.py 到同一个 pytest 进程时出现 SIGSEGV (exit 139)，已在第二次 commit 拆分为单独调用得到解决，但需关注未来是否还有其他跨文件测试冲突。
  2. 覆盖完整性风险：移除了 e2e_grpo_trainer_fsdp-qwen2 job，如果后续 FSDP + TRT-LLM 的兼容性出现回归，可能无法及时发现。PR 说明 Megatron 变体已足够覆盖，但长期仍需确保其他 FSDP 场景（如其他模型）的测试。
• 影响：
  1. CI 资源节省：每次 workflow 运行减少一个 runner，预计减少约 30-40% 的 TRT-LLM CI 计算成本。
  2. 测试覆盖维持：单元测试仍覆盖了 trtllm_abort、async_server、inter_node_rollout、rollout_utils 等关键模块；E2E 测试保留了 Megatron 变体，基本覆盖了主要用例。
  3. 维护简化：合并后只需维护一个单元测试 job，触发路径更清晰。
     - 风险标记：缺少测试覆盖, SIGSEGV 历史问题

关联脉络

• PR #5631 [rollout] feat: enable Async RL for trtllm rollout: 与本次修改的 trtllm 异步测试相关，引入了 test_trtllm_abort.py 等异步测试文件。
• PR #6230 [rollout] fix: trtllm rollout docker image and a few scripts: 同样涉及 TRT-LLM CI 配置调整，与本次精简工作属于同一维护线。