执行摘要

• 一句话：修复批量不变性测试中因使用两个引擎导致测试范围超出预期的问题。
• 推荐动作：该PR值得快速浏览，以了解测试设计中的常见陷阱（如使用多个独立组件测试不变性可能导致范围溢出）。对于工程师，关注点在于如何正确设计批量不变性测试：应使用同一组件在不同配置下运行，而非创建多个实例。无需深入阅读源码，但可参考变更学习测试重构技巧。

功能与动机

根据PR body的描述，原测试使用两个引擎进行对比是“out of the domain with batch invariance”（超出批量不变性范畴）。这意味着原测试设计存在逻辑缺陷，无法准确验证同一引擎在不同批次大小下的输出一致性，因此需要修复以正确测试批量不变性。

实现拆解

1. 重构测试策略：修改 tests/v1/determinism/test_batch_invariance.py 中 test_v1_generation_is_deterministic_across_batch_sizes_with_needle 函数的测试策略。将原策略“创建两个引擎（bs=1 vs bs=N）”改为“创建单个引擎（配置为bs=N）”，并更新函数文档字符串以反映新策略。
2. 简化引擎管理：删除原代码中用于管理两个引擎的变量 llm_bs1 和 llm_bsN，改为使用单个变量 llm。移除创建第二个引擎的代码段，并调整基准生成和混合批次生成逻辑，使它们都使用同一个 llm 实例。
3. 清理资源管理：更新 finally 块中的引擎关闭逻辑，从分别关闭两个引擎改为只关闭单个引擎，确保测试后正确释放GPU/VRAM资源。
4. 测试配套：本次变更仅涉及测试文件，没有修改源码主路径、配置或部署脚本，属于纯测试逻辑修复。

关键文件：

• tests/v1/determinism/test_batch_invariance.py（模块 批量不变性测试；类别 test；类型 test-coverage；符号 test_v1_generation_is_deterministic_across_batch_sizes_with_needle）: 这是唯一变更的文件，包含批量不变性测试的核心逻辑修复，直接影响测试的准确性和设计。

关键符号：test_v1_generation_is_deterministic_across_batch_sizes_with_needle

评论区精华

Review 中讨论较少：

• gemini-code-assist[bot] 的评论指出更新是为了“确保基准引擎正确使用批次大小1进行比较”，但实际修复是移除第二个引擎而非调整批次大小，该评论可能误解了变更内容。

• zhuohan123 直接批准，未提出具体意见。
  没有出现设计争议或未解决疑虑，变更较为直接。

• 测试策略修正 (correctness): 变更被接受，测试逻辑修复以正确验证批量不变性。

风险与影响

• 风险：技术风险较低：
• 回归风险：变更仅影响测试逻辑，不涉及生产代码，因此不会引入运行时回归。但需确保修复后的测试仍能有效检测批量不变性问题，避免测试覆盖度下降。
• 性能风险：无，因为只修改测试文件。
• 安全风险：无。

• 兼容性风险：无，测试变更不影响API或数据格式。
  主要风险在于测试本身的有效性：如果原测试因使用两个引擎而存在缺陷，修复后应能更准确地验证批量不变性，但需依赖测试执行来确认。

• 影响：影响范围有限：

• 对用户：无直接影响，这是内部测试修复。
• 对系统：无功能变更，仅改进测试的准确性和可靠性。

• 对团队：提升测试质量，确保批量不变性测试正确聚焦于核心需求，避免误报或漏报，有助于维护代码库的确定性保证。
  影响程度为低，仅限于测试套件。

• 风险标记：测试覆盖调整

关联脉络

• 暂无明显关联 PR