…

..

configs

…

models

…

double-sparsity-config-Llama-3.1-8B-Instruct.json

…

experiment_runner.py

…

kv_cache_scales_llama3_1_8b.json

…

kv_cache_scales_llama3_8b.json

…

kv_cache_scales_qwen2_1_5b.json

…

run_suite.py

Reasoning parser (#4000)

2025-03-03 21:16:36 -08:00

test_abort.py

…

test_bench_one_batch.py

…

test_bench_serving.py

…

test_block_int8.py

…

test_cache_report.py

…

test_chunked_prefill.py

…

test_create_kvindices.py

…

test_custom_allreduce.py

…

test_data_parallelism.py

…

test_double_sparsity.py

Crash the server correctly during error (#2231)

2024-11-28 00:22:39 -08:00

test_dp_attention.py

…

test_eagle_infer.py

…

test_ebnf_constrained.py

…

test_embedding_openai_server.py

…

test_eval_accuracy_large_chunked_prefill.py

…

test_eval_accuracy_large_mixed_chunked_prefill.py

…

test_eval_accuracy_large.py

…

test_eval_accuracy_mini.py

…

test_fp8_kernel.py

…

test_fp8_kvcache.py

support e4m3 kvcache in qwen2 & add kv scaling facotr json (#2894)

2025-01-18 11:43:22 +08:00

test_function_calling.py

…

test_fused_moe.py

…

test_get_weights_by_name.py

…

test_gguf.py

…

test_health_check.py

…

test_hidden_states.py

…

test_input_embeddings.py

…

test_json_constrained.py

…

test_large_max_new_tokens.py

…

test_matched_stop.py

Crash the server correctly during error (#2231)

2024-11-28 00:22:39 -08:00

test_metrics.py

…

test_mla_flashinfer.py

…

test_mla_fp8.py

…

test_mla_tp.py

…

test_mla.py

Support penalty in overlap mode; return logprob with chunked prefill; improve benchmark scripts (#3988)

2025-03-03 00:12:04 -08:00

test_modelopt_fp8kvcache.py

…

test_models_from_modelscope.py

…

test_moe_ep.py

…

test_moe_eval_accuracy_large.py

…

test_nightly_gsm8k_eval.py

…

test_nightly_human_eval.py

…

test_nightly_math_eval.py

…

test_no_chunked_prefill.py

…

test_no_overlap_scheduler.py

…

test_openai_server.py

…

test_penalty.py

…

test_pytorch_sampling_backend.py

…

test_radix_attention.py

…

test_reasoning_content.py

Reasoning parser (#4000)

2025-03-03 21:16:36 -08:00

test_regex_constrained.py

…

test_release_memory_occupation.py

…

test_request_length_validation.py

…

test_retract_decode.py

Crash the server correctly during error (#2231)

2024-11-28 00:22:39 -08:00

test_sagemaker_server.py

…

test_schedule_policy.py

…

test_server_args.py

…

test_session_control.py

…

test_skip_tokenizer_init.py

…

test_srt_endpoint.py

…

test_srt_engine_with_quant_args.py

…

test_srt_engine.py

…

test_torch_compile_moe.py

Improve torch compile for fused moe (#2327)

2024-12-03 01:58:25 -08:00

test_torch_compile.py

…

test_torch_native_attention_backend.py

Add a simple torch native attention backend (#2241)

2024-12-01 03:01:25 -08:00

test_torch_tp.py

…

test_torchao.py

…

test_triton_attention_backend.py

…

test_triton_attention_kernels.py

…

test_triton_attention_rocm_mla.py

…

test_update_weights_from_disk.py

…

test_update_weights_from_distributed.py

…

test_update_weights_from_tensor.py

…

test_verl_engine.py

…

test_vertex_endpoint.py

…

test_vision_chunked_prefill.py

Fix CI and install docs (#3821)

2025-02-24 16:17:38 -08:00

test_vision_llm.py

…

test_vision_openai_server.py

…

test_w8a8_quantization.py

…