执行摘要

• 一句话：修复 AMD FNUZ 平台 FP8 量化测试范围错误
• 推荐动作：建议合并。这是对 CI 测试的正确性修复，改动小且经过 reviewer 审核，应快速合入以恢复 ROCm CI 稳定性。

功能与动机

PR body 指出 "Fix fp8 min/max range for FNUZ platform"，并明确修复测试 kernels/core/test_vit_fp8_quant.py::test_quantize_contiguous。该测试在 AMD ROCm 平台上失败，因为 torch.finfo(fp8_dtype).max 返回的是 OCP FP8 的最大值 240，而 AMD MI300 等 FNUZ 平台实际钳位到 224，导致参考实现与 kernel 行为不一致，测试断言失败。

实现拆解

1. 修改导入：在 tests/kernels/core/test_vit_fp8_quant.py 中增加从 vllm.model_executor.layers.quantization.utils.quant_utils 导入 get_fp8_min_max 函数。
2. 替换范围获取方式：将 _naive_fp8_quantize 函数中原来使用 torch.finfo(fp8_dtype).max 和 -max 获取范围的方式，改为调用 get_fp8_min_max() 返回平台相关的 (fp8_min, fp8_max)。
3. 未修改 kernel 或量化逻辑：该 PR 仅修正了参考实现的饱和范围，kernel 本身已使用 get_fp8_min_max，因此统一后测试能够正确验证。

关键文件：

• tests/kernels/core/test_vit_fp8_quant.py（模块 测试；类别 test；类型 test-coverage；符号 _naive_fp8_quantize）: 唯一变更文件，修复了 FP8 参考量化函数的饱和范围，使其与平台对齐，确保测试在 AMD FNUZ 上通过。

关键符号：_naive_fp8_quantize

关键源码片段

tests/kernels/core/test_vit_fp8_quant.py

唯一变更文件，修复了 FP8 参考量化函数的饱和范围，使其与平台对齐，确保测试在 AMD FNUZ 上通过。

# tests/kernels/core/test_vit_fp8_quant.py
# 修改后：使用 get_fp8_min_max() 获取平台相关的 FP8 饱和范围
​
def _naive_fp8_quantize(
    tensor: torch.Tensor, scale: torch.Tensor, skip_scale: bool
) -> torch.Tensor:
    """Reference FP8 quantization in PyTorch."""
    fp8_dtype = current_platform.fp8_dtype()
    # 原来用 torch.finfo(fp8_dtype).max 得到 OCP 标准最大值 240，
    # 但 AMD FNUZ 平台 clamp 至 +/-224，导致参考与 kernel 不一致。
    # 现在改用 get_fp8_min_max()，该函数会根据平台返回正确的范围。
    fp8_min, fp8_max = get_fp8_min_max()
​
    x = tensor.float()
    if not skip_scale:
        x = x / scale.item()
    x = x.clamp(fp8_min, fp8_max)
    return x.to(fp8_dtype)

评论区精华

Review 中 yewentao256 首先建议扩展 _naive_fp8_quantize 的 docstring 说明原因，随后又撤回该建议（"We don't need the comment here"）。最终提交采纳了不添加多余注释的版本。整个过程简洁，无重大争议。

• 是否需要在 docstring 中说明范围变更原因 (style): 维持原 docstring 不变，不添加额外注释。

风险与影响

• 风险：风险极低。变更仅涉及测试文件，修改了两个赋值语句和一个 import，不影响生产代码。唯一风险是如果未来 get_fp8_min_max 的行为发生变化，测试的参考实现也会随之变化，但这正是测试与 kernel 保持一致所需要的。
• 影响：直接影响：使得 test_vit_fp8_quant.py 在 AMD ROCm/CPU FNUZ 平台上正确通过，消除 CI 中的假阴性失败。间接影响：无，因为未改动任何生产逻辑。
• 风险标记：暂无

关联脉络

• 暂无明显关联 PR