PaddleFormers Log Analysis

Run #27486951139 · Attempt 1

日志分析报告

失败的测试case:

Fleet Model Test (H20, multi-card):
  - GLM4.5 pre-train
  - GLM4.5 sft
  - GLM4.5 sft cp
  - GLM4.5 lora
  - GLM4.5 dpo
  - GLM4.5 dpo_lora
  - GLM4.5 pre-train (EP4)
  - GLM4.5 pre-train (FP8)
  - GLM4.5 pre-train (Grouped GEMM)
  - Qwen pre-train / sft / lora / vl sft / vl lora / vl moe
  - Qwen3-vl-8k-fsdp

Fleet Model Test (H20, single card):
  - Integration test (GLM4.5 single-card)
  - Integration test (Qwen3-30B-A3B single-card)
  - Qwen3-vl-8k-single-card

Unittest GPU CI:
  - upload-coverage (job 81244365118)

根本原因分析:
所有 H20 runner 上的失败均由同一根因导致：paddlefleet_ops/__init__.py 在 import 阶段调用 paddle.cuda.get_device_capability()，而 runner 的 CUDA 设备未被正确初始化（Paddle 报 Place(cpu)），抛出 ValueError，导致 paddleformers-cli 启动即崩溃，所有任务均未能执行；upload-coverage 失败是 runner_04 的 GLIBC 版本（< 2.25）不满足 GitHub Actions node24 二进制依赖，与 PR 代码无关。

修复建议:

1. H20 runner 两个 job 均为机器环境问题，直接 rerun，CI 维护人员同步检查 H20 runner GPU 驱动及 CUDA 初始化状态（参考历史相同报错模式）。
2. upload-coverage job 失败不影响主测试结果（unittest-gpu-ci job 本身已通过），runner_04 的 GLIBC/node 版本问题由 CI 维护人员处理，无需 PR 作者操作。

🔍 准确性记录：请点击评论底部 😊 图标，选择 👍（准确）或 👎（有误），将自动记录到 CI 监控系统

_{🔄 每次 Re-run 后自动更新}

/re-run all-failed