test-model-deepseekr1-base-tp

DeepSeek-R1 Base–TP（无 MTP / 无 EP，--tp 8）本地 GSM8K 评测

测试标识：仅 --tp 8 与 --batch_max_tokens 等基础推理参数，无 MTP、--dp、--enable_ep_moe。用于与 MTP–TP（含 MTP 草稿）、MTP–EP（EP MoE + TP+DP）等流程区分。

启动一组 api_server，待端口就绪后对同一服务执行一次 lm_eval（任务 gsm8k，batch_size 500）。整轮产物须落在同一日志目录内归档日志与 summary.txt（见「日志目录」）；具体操作见「启动说明」。

日志目录（含 summary.txt）

• 每次评测先选定或新建一个日志目录（例如带时间戳或任务名），与其它测试轮次分开，便于区分管理。
• api_server 进程的标准输出/错误须写入该目录下文件（示例同级命名 server_base_tp.log；也可按变体或日期分子目录，团队任选其一，保持可追溯）。
• summary.txt 固定放在该日志目录下，写入本轮启动参数摘要、lm_eval 关键结果、失败原因或简要结论；不再把「最终总结」散落在当前工作目录或其它路径。
• lm_eval 终端输出建议单独落盘（如 eval_gsm8k.log）；summary.txt 仍承担总览结论角色。

启动说明

本节包含：启动前检查 → 启动服务的命令模板（可变项说明）→ 一条完整 server 命令 → 评测命令。

启动前检查

开跑前先确认资源可用；不满足则先清理相关进程，再启动服务与评测。

1. 显卡占用：用 nvidia-smi（或与集群一致的占用查看方式）检查目标 GPU 是否被无关任务占满；若有冲突进程，结束后再启动本评测。
2. 端口：服务固定 8089（与下文 lm_eval 的 base_url 一致）；用 ss -tlnp、lsof -i :8089 等确认无进程监听该端口；若已被占用，查出 PID 并结束占用进程后再启动。

启动服务的命令模板（可变项）

下列命令中出现的可变项含义如下（其余为固定写法）：

开跑前在同一 shell 中导出路径（将引号内整段替换为本机绝对路径；勿写死下文未给出的机器路径）：

export LOG_DIR='〈日志根目录〉'
export MODEL_DIR='〈主模型目录，对应 --model_dir〉'

首次试跑可用的默认 MODEL_DIR 见「执行约定」；与当前环境不符时再改为用户提供的目录。

一条 server 启动命令（后台落盘）

本条为 Base–TP 固定形态：LOADWORKER=18，--batch_max_tokens 6000，--tp 8，--port 8089，无 MTP / 无 --dp / 无 EP。以下为可直接执行的后台启动形式（已含 nohup 与日志重定向）；若暂时不需落盘，可自行去掉 nohup、>> … 2>&1 & 并在前台调试。命令中 ${MODEL_DIR}、${LOG_DIR} 须已由上文 export 赋值。

LOADWORKER=18 \
nohup python -m lightllm.server.api_server \
  --batch_max_tokens 6000 \
  --model_dir "${MODEL_DIR}" --tp 8 --port 8089 \
  >> "${LOG_DIR}/server_base_tp.log" 2>&1 &

评测命令（服务就绪后执行一次）

服务就绪后执行（本地回环走代理时用 no_proxy / NO_PROXY 排除本机）。model_args 中 tokenizer 必须与本次 server 的 --model_dir（即 ${MODEL_DIR}）为同一字符串路径。以下为带日志落盘的完整命令（--model_args 使用双引号以便展开 ${MODEL_DIR}）：

HF_ALLOW_CODE_EVAL=1 HF_DATASETS_OFFLINE=0 \
no_proxy=127.0.0.1,localhost,::1 \
lm_eval --model local-completions \
  --model_args "{\"model\":\"deepseek-ai/DeepSeek-R1\", \"base_url\":\"http://localhost:8089/v1/completions\", \"max_length\": 16384, \"tokenizer\":\"${MODEL_DIR}\"}" \
  --tasks gsm8k --batch_size 500 --confirm_run_unsafe_code \
  >> "${LOG_DIR}/eval_gsm8k.log" 2>&1

• LOG_DIR：与启动服务一节相同；若仅调试不重定向，去掉 \ 续行及最后的 >> "${LOG_DIR}/eval_gsm8k.log" 2>&1 即可在前台查看输出。
• MODEL_DIR：须与 server 启动命令中的 --model_dir 一致；路径随环境变化时的默认试跑与向用户确认见「执行约定」。
• 若环境需要，可同时设置 NO_PROXY=127.0.0.1,localhost,::1（或与团队约定一致的列表）。

执行约定（不要额外写“专用启动脚本”）

模型目录（随环境变化）：MODEL_DIR 在不同机器上路径不同。首轮试跑可先用下列默认（与常见本地部署对应；若本机不存在则跳过默认、直接执行下一步「向用户确认」）：

export MODEL_DIR=/mtc/models/DeepSeek-R1

若按默认路径 export 后仍无法启动服务，或日志中出现明确的模型路径 / 权重加载 / 文件不存在等错误，不要反复盲试：根据日志判断为路径问题时，请用户提供当前环境下实际的主模型目录，更新 export MODEL_DIR=… 后再执行（且保证 MODEL_DIR 与 lm_eval 的 tokenizer 仍为同一路径）。

1. 后台启动 server：用 shell 后台或终端任务跑 python -m lightllm.server.api_server ...，并将该进程输出重定向到本轮日志目录下的日志文件（见上文「日志目录（含 summary.txt）」）；排查问题时 tail 该文件，而不是依赖未落盘的终端缓冲。
2. 不要用 health 接口 判断就绪；改为探测 端口 8089 是否处于 listen（例如 ss -tlnp / lsof -i :8089 等，与系统一致即可）。
3. 等待启动：若端口未就绪，约 每 20 秒 查看一次服务日志文件，区分仍在启动还是已报错退出；报错则写入日志目录下的 summary.txt（或先写服务日志再在 summary.txt 引用）并停止，不要继续盲等。
4. 维护 summary.txt：位于日志目录；记录本条使用的完整启动命令（或等价摘要）、端口检测结果、lm_eval 关键输出；全部结束后在该文件内写最终汇总（是否成功、主要指标或失败原因）。可与用户口头摘要对照，但以日志目录中 summary.txt 为归档准绳。
5. 全部完成后：确认日志目录下的 summary.txt 已包含完整最终总结；原始 server / eval 日志保留在同目录（或子目录）中备查。

输出文件

• summary.txt：仅位于本轮日志目录，作为本次 Base–TP 评测的最终总结文档。
• 服务与评测日志：全部落在同一日志目录（建议按任务命名文件或分子目录），不得与未指定目录混写。