具体改了什么

Report CUDA inspection tool timeouts through DumpResult

CUDA 检查流程里的各个 stage helper 已经会把「非零退出码」翻译成一个失败的检查结果。 但底层的 _run 只处理了「可执行文件不存在」这一种失败—— nvcc 或 cuobjdump 卡住时抛出的 TimeoutExpired 会直接逃出 dump_module，调用方拿不到 DumpResult.errors， 失败走了另一条通道，整条错误处理链就断了。

改成把超时也转成 CompletedProcess，复用既有的失败路径；同时保住部分 stdout/stderr（TimeoutExpired 在 text=True 下也可能携带 bytes， 需要显式解码）。原有的 300 秒上限不动。

+    except subprocess.TimeoutExpired as e:
+        # TimeoutExpired can carry bytes even with text=True. Keep any partial
+        # diagnostics, but let the existing stage helpers report a failed run.
+        stdout = e.stdout or ""
+        stderr = e.stderr or ""
+        if isinstance(stdout, bytes):
+            stdout = stdout.decode(errors="replace")

2 个文件 · +68 −1 · 合并于 2026-10-05

验证：3 个回归用例用真实卡住的 Python 子进程顶替 CUDA 工具并调短超时， 覆盖 ptx / cubin / SASS 三条路径，另外单独覆盖 bytes、text 和无部分输出三种情况。 原 main 上 6 failed / 5 passed，打上补丁后 11 passed。

[Fix] Preserve RWKV7 orthogonal initialization for low-precision weights

原来的写法把权重复制成 float 做正交初始化，再 .to() 转回原精度。 这个 round-trip 会重新分配张量，低精度下丢掉已经算好的数值。改成在 float 副本上初始化完 copy_ 回原张量，不再走一次转换。

-        oringinal_dtype = weight.dtype
-        weight = weight.float()
-        nn.init.orthogonal_(weight, gain=gain)
-        weight = weight.to(oringinal_dtype)
+        float_weight = weight.float()
+        nn.init.orthogonal_(float_weight, gain=gain)
+        weight.copy_(float_weight)

1 个文件 · +3 −4 · 合并于 2026-10-03

Keep ptxas resource counts scoped to the first kernel report

parse_ptxas 原来在整份日志里搜数字。一个 cubin 里有多个 kernel 时， 第一个 kernel 可能压根不报静态 smem，于是它的寄存器数会配上后面某个 kernel 的 smem 或 spill， 拼出一个从来没存在过的组合。改成先把日志切到第一个 report 再解析。PR 里带了 CUDA 13.0 SM103a 的真实编译日志做回归。

+    # Optional fields may be absent for the first kernel. Searching the entire
+    # log would then borrow a resource count from a later, unrelated function.
+    entries = list(re.finditer(r"(?m)^ptxas info\s*:\s*Compiling entry function", log))
+    if not entries:
+        entries = list(re.finditer(r"(?m)^ptxas info\s*:\s*Function properties for", log))
+    if entries:
+        end = entries[1].start() if len(entries) > 1 else len(log)
+        log = log[entries[0].start():end]

2 个文件 · +37 −0 · 合并于 2026-09-30

[TE] Bound pooled TCP admission by queued bytes

经典 TCP 路径按 item 条数限制每个连接组能排多少活，但每个 item 在真正开始或离开队列之前 都攥着自己的源 buffer 不放。条数相同，一次几 MB 的请求和一个几 KB 的请求占的资源差两个量级。 加了按字节计的上界 MC_TCP_MAX_QUEUED_BYTES_PER_PEER，超了返回 QUEUE_FULL。

这个 PR 花了 360 行，其中 266 行是可见性测试：验证被拒绝的传输不会改到目标内存、 已准入的字节在传输完成后正确释放、以及批量准入中途失败不会让调用方误以为源 buffer 已可用。

  // Bytes whose source buffers remain owned by the queue or pending
  // admission. Active lanes are excluded and already bounded by
  // lanes_per_peer.
  uint64_t queued_byte_capacity;
  uint64_t admitted_bytes = 0;

5 个文件 · +360 −7 · 合并于 2026-09-24

fix: restore getenv after environment parsing errors

set_envs() 是个 context manager，解析模块级环境配置时会临时替换 os.getenv。 原来 yield 后面直接跟还原语句，没包 try。任何一个环境变量取值非法导致解析抛异常， os.getenv 就永远停在打补丁的版本上，后面所有读环境变量的代码都拿到错的东西。

-    yield
-    os.getenv = _origin_get_env
+    try:
+        yield
+    finally:
+        os.getenv = _origin_get_env

1 个文件 · +4 −2 · 合并于 2026-09-23

[Bugfix][Multimodal] Preserve DeepSeek V4 image block spacing

DeepSeek V4 的 renderer 让 parse_chat_messages 返回 flatten 成字符串的内容， text 和 image block 之间的结构边界在 tokenizer 套用官方空行模板之前就没了。 修完之后，两张图的输入会正确产出下面这段 token 序列——图片前后各有独立分隔符，而不是被并成一片。

<｜begin▁of▁sentence｜>You are a helpful vision assistant.<｜User｜>请按"第一张、第二张"的顺序回答：第一张图

<｜deepseek_image｜>

和第二张图

<｜deepseek_image｜>

中分别是什么食材？<｜Assistant｜></think>

5 个文件 · +60 −12 · 合并于 2026-09-18