Prhub

#6877 [ci] fix: Add more test cases in e2e_ppo_trainer_megatron_sglang_ascend.yml

原始 PR 作者 xiazhahe 合并时间 2026-06-30 10:22 文件变更 2 提交数 3 评论 1 代码增减 +72 / -1

ci infra npu test

执行摘要

为 Ascend CI 新增 Qwen3-0.6B 和 GRPO profiling 用例

PR body提到'Fixed some problems of e2e_ppo_trainer_megatron_sglang.yml on Ascend and added more CI cases for maintenance'，旨在增加CI测试覆盖以维护代码质量。

该PR是常规CI维护改进，值得关注其新增测试的模式，可用于参考如何添加新的CI测试。

讨论亮点

Gemini Code Assist bot评论指出，移除ref模型的use_flash_attn=True可能导致性能下降或OOM，建议保留并用单加号修正。但该评论未被后续采纳或回复，PR最终被批准合并，说明该配置移除可能是故意的（因双加号Hydra解析问题）或已在其他层面补偿。

实现拆解

  1. CI工作流新增Qwen3测试任务（.github/workflows/e2e_ppo_trainer_megatron_sglang_ascend.yml）：新增 e2e_ppo_trainer_megatron-qwen3 job，使用Qwen3-0.6B dense模型运行GSM8K E2E测试，验证学习率调度器等特性。
  2. 新增GRPO profiling测试步骤（同一CI文件）：在原有DeepSeek模型测试步骤后新增profiling测试，启动GRPO训练并检查profiling文件是否生成。
  3. 修复ref模型flash attention配置（tests/special_e2e/run_ppo_trainer_megatron.sh）：移除++actor_rollout_ref.ref.megatron.override_transformer_config.use_flash_attn=True行，该处双加号++在Hydra中可能导致解析错误。
文件 模块 状态 重要度
.github/workflows/e2e_ppo_trainer_megatron_sglang_ascend.yml CI modified 5.03
tests/special_e2e/run_ppo_trainer_megatron.sh 测试脚本 modified 3.11

分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。

评论区精华

移除 ref 模型 flash attention 配置 正确性

Gemini Code Assist bot 指出移除 use_flash_attn=True 可能导致性能下降或 OOM，建议用单加号保留。

结论：该评论未被采纳，PR 已被批准合并。可能原因为双加号导致 Hydra 解析冲突，或 flash attention 已在 actor 配置中继承。 · 已解决

风险与影响

  1. 性能风险：移除ref模型flash attention可能导致NPU上推理变慢，但考虑到actor已启用flash attention且ref通常计算量较小，实际影响可能有限。
  2. CI稳定性：新增Qwen3测试和profiling测试可能增加CI运行时间，但提高了覆盖。
  1. CI团队：Ascend E2E CI新增2个测试步骤，覆盖更广泛的模型和特性，有助于早期发现问题。
  2. 开发者：Qwen3模型在Megatron训练上获得持续验证。
  3. 用户：间接受益于更可靠的CI。
CI 配置变更 性能风险（flash attention 移除） 缺少 review 讨论后续

关联 Issue

未识别关联 Issue

当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。

完整报告

Markdown PDF

参与讨论