📖 AI 总结

PyTorch 的跨仓库 CI 中继（CRCR）为树外加速器提供了一种标准化方式，使其能够接入上游 CI，并将结果反馈至统一的 HUD 视图。本文介绍了 Torch Spyre 如何在此基础上实现 CRCR 的 L2 集成。核心挑战在于中继将关键决策留给各后端自行处理：哪些测试与自身硬件相关、如何在不分叉的前提下适配为 CUDA 编写的测试、以及如何定义“通过”。为此，团队构建了三项机制：基于代码与执行证据进行测试筛选与重新分桶的智能体流水线、无需修改上游测试的声明式 YAML 复用框架，以及保障大规模可靠性与可复现性的工作流模式。这些设计并非 Spyre 专属，而是适用于任何私有 use1 设备，团队希望与社区合作推动其复用与上游化。