# PR #6668 完整报告

- 仓库：`verl-project/verl`
- 标题：[ci, hardware] feat: add AMD ROCm (MI300) e2e_ppo_trainer workflow
- 合并时间：2026-06-10 16:18
- 原文链接：http://prhub.com.cn/verl-project/verl/pull/6668

---

# 执行摘要

- 一句话：新增 AMD ROCm e2e PPO 训练 CI 工作流
- 推荐动作：值得合并以扩展硬件支持；建议确认 runner 就绪并定期更新镜像版本。

# 功能与动机

扩大 CI 覆盖至 AMD ROCm 硬件，确保 veril 在 MI300 上的兼容性，与现有 NVIDIA 和 Ascend 工作流对齐。

# 实现拆解

1. **工作流文件创建**：在 `.github/workflows/` 下新建 `e2e_ppo_trainer_megatron_vllm_rocm.yml`，定义触发条件（push/PR 到 main/v0.* 分支，指定路径过滤）。
2. **作业定义**：包含 `e2e_ppo_trainer_fsdp_vllm_rocm`（FSDP/FSDP2/DDP，GSM8K 函数奖励测试 + checkpoint 合并）和 `e2e_ppo_trainer_megatron-moe-expert-parallel_rocm`（Megatron-Bridge 3D 并行 MoE 测试，含 FP8 rollout）。
3. **清理作业**：`cleanup_rocm` 在 `if: always()` 下运行，移除测试遗留的 checkpoint 文件。
4. **容器与挂载**：使用 `verlai/verl:rocm702-vllm020-te210-20260518` 镜像，挂载 `/dev/kfd`、`/dev/dri` 等 ROCm 设备，以及宿主模型 / 数据目录。

关键文件：
- `.github/workflows/e2e_ppo_trainer_megatron_vllm_rocm.yml`（模块 CI 工作流；类别 infra；类型 infrastructure）: 唯一变更文件，定义了整个 ROCm CI 工作流的触发条件、作业和清理步骤。

关键符号：未识别


# 评论区精华

无 review 讨论；仅 Gemini 自动评论表示无法生成 review。

- AI review 不可用 (other): 无实际讨论。

# 风险与影响

- 风险：仅涉及 CI 基础设施，无代码逻辑变更。风险主要在于 self-hosted ROCm runner 的可用性和维护成本；若 runner 不可用，工作流会挂起或失败。另外，工作流中硬编码的镜像路径和依赖可能需要随版本更新。
- 影响：对用户无直接影响；对开发流程有正面影响，确保 ROCm 回归测试覆盖；对 CI 团队增加工作流维护负担。
- 风险标记：新硬件支持 , 依赖外部 runner, 无代码变更

# 关联脉络

- PR #6619 Add ROCm Dockerfile and update README: 同为 ROCm 支持的一部分，该 PR 提供 Docker 镜像和文档，本 PR 依赖该镜像运行 CI。