gabrielmoreira Qwen3.5-0.8B 多场景 GSM8K 回归
覆盖五种 api_server 配置：基线、Prefill CUDA Graph、Linear-Attention 缓存参数、CPU Cache 与 Linear-Att 组合、Disk Cache（含环境变量）。每种配置单独起服务并完成 lm_eval，互不混用日志。
测试标识：同一 MODEL_DIR（Qwen3.5-0.8B 权重）下，按场景顺序执行：启动 api_server → 确认端口监听与服务日志正常 → 执行 lm_eval。场景 4、5 在相同服务配置下 lm_eval 连续执行两次（缓存预热与命中后行为/耗时对照）。
端口：8089（默认，与 PORT 一致）。
算力：--tp 2，需要 2 张物理 GPU。
评测：lm_eval，--tasks gsm8k，--batch_size 500，model 为 qwen/Qwen3.5-0.8B。--model_dir 与 model_args 中的 tokenizer 必须为同一目录路径（即 MODEL_DIR）。
场景总览
| # | 名称 | api_server 相对上一场景的增量 |
lm_eval |
|---|---|---|---|
| 1 | 基线 | --model_dir / --tp 2 / --port |
1 次 |
| 2 | Prefill CUDA Graph | --enable_prefill_cudagraph |
1 次 |
| 3 | Linear-Attention 参数 | --linear_att_cache_size 10、--linear_att_hash_page_size 256、--linear_att_page_block_num 2、--max_total_token_num 270000 |
1 次 |
| 4 | CPU Cache + Linear-Att | 在场景 3 同类参数基础上增加 --enable_cpu_cache、--cpu_cache_storage_size 128（--max_total_token_num 仍为 270000） |
2 次 |
| 5 | Disk Cache | LIGHTLLM_DISK_CACHE_PROMPT_LIMIT_LENGTH=128；--linear_att_cache_size 128 等一组参数，及 --enable_cpu_cache、--enable_disk_cache、--disk_cache_dir 等（见下文命令块） |
2 次 |
日志目录（含 summary.txt）
- 每个场景使用独立
LOG_DIR（建议绝对路径，并带场景编号或时间戳）。 api_server：标准输出与标准错误写入"${LOG_DIR}/server.log"（推荐使用nohup … >> … 2>&1 &）。lm_eval：默认写入"${LOG_DIR}/eval_gsm8k.log"；同一服务下的第二次评测写入"${LOG_DIR}/eval_gsm8k_run2.log"（场景 4、5）。summary.txt：记录本场景完整启动参数、lm_eval命令摘要、端口与日志就绪情况、两轮评测目的与结论（若适用）、异常与最终结论。
启动前检查
- 显卡：执行
nvidia-smi，按占用选定 2 张卡后export CUDA_VISIBLE_DEVICES='i,j'（不要写死卡号）。 - 端口：每轮启动前确认
8089（或当前PORT）未被占用（例如ss -tlnp、lsof -i :8089）；上一轮结束后须 终止对应api_server进程 再启动下一轮。 MODEL_DIR：见 「路径约定」；启动前执行test -d "${MODEL_DIR}"；若路径无效或服务报路径类错误，按该节处理。DISK_CACHE_DIR（仅场景 5）：见 「路径约定」；须为可写目录；先mkdir -p "${DISK_CACHE_DIR}"，仍不可写则按该节处理。- 代理：每次启动
api_server或执行lm_eval之前，将http_proxy/https_proxy置空；执行lm_eval时配置no_proxy（见评测命令块）。
路径约定（MODEL_DIR 与 DISK_CACHE_DIR）
原则：下列 默认路径 与历史 test/acc/test_qwen3.5.sh 一致，可作为首轮试跑起点。若目录不存在、不可读、权重加载失败，或磁盘缓存路径不可写，不得在未向用户确认的情况下反复更换路径盲试；应 向用户询问 本机可用的 MODEL_DIR / DISK_CACHE_DIR 绝对路径，在收到答复后更新环境变量，并在 summary.txt 中记录最终采用的路径。
MODEL_DIR
--model_dir与lm_eval的tokenizer字段 必须为 同一字符串（本 skill 中均记为MODEL_DIR）。- 默认路径（HuggingFace Hub 本地缓存示例）：以下
snapshots/下目录名随实际下载版本可能变化；若本机不存在该路径，则默认值不适用，须改用本机真实路径或询问用户。
export MODEL_DIR='/root/.cache/huggingface/hub/models--Qwen--Qwen3.5-0.8B/snapshots/2fc06364715b967f1860aea9cf38778875588b17'
- 备选：若权重部署在统一管理目录（例如
/mtc/models/Qwen3.5-0.8B），且test -d通过，可export MODEL_DIR='/mtc/models/Qwen3.5-0.8B'。
DISK_CACHE_DIR（仅场景 5：--disk_cache_dir）
- 默认路径：
export DISK_CACHE_DIR='/mtc/test/tmp/'
- 场景 5 启动
api_server前执行mkdir -p "${DISK_CACHE_DIR}"。若父目录不可创建、无写权限或不符合运维规范，向用户询问 合适的可写目录后再export。
可变项
| 变量 | 含义 |
|---|---|
LOG_DIR |
当前场景的日志根目录（server.log / eval_gsm8k*.log / summary.txt）。 |
MODEL_DIR |
--model_dir；lm_eval 的 tokenizer。默认路径与失败时处理见 「路径约定」。 |
PORT |
HTTP 端口，默认 8089。 |
BIND_URL_HOST |
lm_eval 中 base_url 的主机名；本机常用 127.0.0.1 或 localhost。 |
CUDA_VISIBLE_DEVICES |
2 个物理 GPU 索引（逗号分隔）。 |
DISK_CACHE_DIR |
场景 5 的 --disk_cache_dir。默认 /mtc/test/tmp/；不可写或不可用时见 「路径约定」。 |
开跑前导出示例（按需修改引号内路径）：
export LOG_DIR='〈场景日志目录，每场景换新目录〉'
export MODEL_DIR='/root/.cache/huggingface/hub/models--Qwen--Qwen3.5-0.8B/snapshots/2fc06364715b967f1860aea9cf38778875588b17'
export DISK_CACHE_DIR='/mtc/test/tmp/'
export PORT=8089
export BIND_URL_HOST='127.0.0.1'
# export CUDA_VISIBLE_DEVICES='6,7'
服务就绪判定
不要使用 HTTP health 接口作为唯一就绪依据。应结合：PORT 是否处于 LISTEN 状态、server.log 是否出现致命错误；可约 每 20 秒 查看一次日志直至可接受评测或确认失败。
lm_eval 命令模板（单次）
服务就绪后执行；场景 4、5 在同一 api_server 生命周期内再执行一次，并将第二次输出重定向到 eval_gsm8k_run2.log。
export http_proxy=
export https_proxy=
export no_proxy=localhost,127.0.0.1,0.0.0.0,::1,${BIND_URL_HOST}
HF_ALLOW_CODE_EVAL=1 HF_DATASETS_OFFLINE=0 \
lm_eval --model local-completions \
--model_args "{\"model\":\"qwen/Qwen3.5-0.8B\", \"base_url\":\"http://${BIND_URL_HOST}:${PORT}/v1/completions\", \"max_length\": 16384, \"tokenizer\":\"${MODEL_DIR}\"}" \
--tasks gsm8k --batch_size 500 --confirm_run_unsafe_code \
>> "${LOG_DIR}/eval_gsm8k.log" 2>&1
第二次（场景 4、5）：将末尾重定向改为 >> "${LOG_DIR}/eval_gsm8k_run2.log" 2>&1，并在 summary.txt 中说明两次运行的目的（例如缓存预热与命中后对照）。
各场景 api_server 命令模板
以下命令块仅列出 api_server 参数差异。实际执行时须在 export http_proxy=、export https_proxy= 之后，按仓库其它 acc 测试惯例自行补全：LOADWORKER=18 CUDA_VISIBLE_DEVICES=…、nohup、以及 >> "${LOG_DIR}/server.log" 2>&1 &。
场景 1：基线
python -m lightllm.server.api_server \
--model_dir "${MODEL_DIR}" \
--tp 2 \
--port "${PORT}"
场景 2：Prefill CUDA Graph
python -m lightllm.server.api_server \
--model_dir "${MODEL_DIR}" \
--tp 2 \
--port "${PORT}" \
--enable_prefill_cudagraph
场景 3：Linear-Attention 参数
python -m lightllm.server.api_server \
--model_dir "${MODEL_DIR}" \
--tp 2 \
--port "${PORT}" \
--linear_att_cache_size 10 \
--linear_att_hash_page_size 256 \
--linear_att_page_block_num 2 \
--max_total_token_num 270000
场景 4：CPU Cache + Linear-Attention（lm_eval 两次）
python -m lightllm.server.api_server \
--model_dir "${MODEL_DIR}" \
--tp 2 \
--port "${PORT}" \
--linear_att_cache_size 10 \
--linear_att_hash_page_size 256 \
--linear_att_page_block_num 2 \
--max_total_token_num 270000 \
--enable_cpu_cache \
--cpu_cache_storage_size 128
场景 5：Disk Cache（环境变量 + lm_eval 两次）
在 python 进程前设置 LIGHTLLM_DISK_CACHE_PROMPT_LIMIT_LENGTH=128（与历史脚本一致，使子进程继承该变量）：
LIGHTLLM_DISK_CACHE_PROMPT_LIMIT_LENGTH=128 \
python -m lightllm.server.api_server \
--model_dir "${MODEL_DIR}" \
--tp 2 \
--port "${PORT}" \
--linear_att_cache_size 128 \
--linear_att_hash_page_size 256 \
--linear_att_page_block_num 32 \
--max_total_token_num 270000 \
--enable_cpu_cache \
--cpu_cache_storage_size 32 \
--enable_disk_cache \
--disk_cache_storage_size 512 \
--disk_cache_dir "${DISK_CACHE_DIR}"
执行约定
- 场景顺序：按 1 → 2 → 3 → 4 → 5 执行；每步 先停止上一场景的
api_server，使用 新的LOG_DIR。 MODEL_DIR与DISK_CACHE_DIR：遵循 「路径约定」；summary.txt记录最终采用的路径。- 场景 4、5：在同一服务配置下
lm_eval执行两次，并保留两次日志文件以便对比。 - 收尾：全部场景结束后，确保
api_server进程已结束，释放 GPU 与端口。 - 失败处理：将错误摘要写入
summary.txt，并在对话中给出关键日志信息。