执行摘要

• 一句话：清理 ROCm CI 冗余测试组并优化硬件分配
• 推荐动作：该 PR 为常规基础设施清理，变更直接、风险低，值得快速合并。对于关注 ROCm CI 效率的团队，可以了解硬件分配策略。

功能与动机

MI250 集群上运行着一些本应由更现代 AMD 硬件（如 MI300）执行的测试组，同时为了缓解 MI250 和 MI355 集群的压力，需要将部分测试组迁移到 MI300 集群，并清理冗余定义。

实现拆解

1. 审查文件 .buildkite/test-amd.yaml 中所有测试组定义，识别出适合从 MI250 转移到 MI300 的测试组。
2. 修改 mirror_hardwares 字段：将 Pipeline + Context Parallelism (4 GPUs) 等测试组的硬件列表从包含 MI250 改为仅包含 MI300 等现代硬件。
3. 删除完全冗余的测试组：例如 PyTorch Fullgraph、PyTorch Fullgraph Smoke Test、Elastic EP Scaling Test、EPLB Execution、Multi-Modal Accuracy Eval 等，这些测试或已不再需要，或已在更合适的位置运行。
4. 调整后，CI 配置总行数减少 152 行（+131/-283），结构更简洁，资源分配更合理。

关键文件：

• .buildkite/test-amd.yaml（模块 CI 配置；类别 config；类型 configuration）: 唯一变更的文件，包含所有 ROCm CI 测试组定义。通过删除冗余组和调整硬件分配直接实现 PR 目标。

关键符号：未识别

评论区精华

该 PR 没有 review 评论，直接获得批准。

• 暂无高价值评论线程

风险与影响

• 风险：主要风险在于删除的测试组可能仍有覆盖需求，但 PR 作者明确说明这些组应仅在更现代硬件上运行，且部分测试已迁移。若后续发现缺失，可随时通过恢复或补充其它配置来弥补。由于只涉及 CI 编排，不影响任何运行时逻辑，回归风险极低。
• 影响：对用户无影响；对 ROCm CI 系统而言，MI250 集群负载将减轻，MI300 集群资源利用率提升；测试执行策略更加合理，有助于缩短 CI 排队时间。影响范围限定于 AMD GPU CI 流水线。
• 风险标记：测试组删除可能需验证覆盖, 硬件分配变更可能影响调度

关联脉络

• PR #46417 [ROCm][CI] Increase the max wait time for server startup: 同为 ROCm CI 优化主题，调整测试配置以提高 CI 稳定性。
• PR #46141 [ROCm][CI] Query total device memory via amdsmi to avoid HIP init: 同为 ROCm CI 改进，关注 CI 性能与硬件适配。