用途：为 NVIDIA Megatron-LM 的 GB200 功能测试创建 1 节点（mr-github）变体，来源是已有的 2 节点（mr-scoped）测试。每个 GB200 节点 4 GPU，2 节点共 8 GPU，1 节点变体用 4 GPU。
主要能力与流程：
- 在 tests/test_utils/recipes/gb200/ 下的 gpt.yaml、moe.yaml 中扫描 products 块，找出 scope 含 mr 或 mr-slim 的条目；忽略已在 *-1node.yaml 覆盖的测试，以及 nightly、weekly、mr-broken。
- 读取每个候选的 model_config.yaml，提取 TP、PP、EP、ETP、CP、global-batch-size、micro-batch-size。
- 按 world_size = TP × PP × DP（DP ≥ EP）分类：TP × PP ≤ 4 为直接复制；TP × PP = 8 时 PP 减半；EP > 4 时 EP 设为 4；两者都超时同时缩减；并检查 EP × ETP ≤ TP × DP_new。不要改 GBS，由梯度累积吸收减少的 DP。
- 创建 _1node 模型配置目录，例如 mkdir -p tests/functional_tests/test_cases/{model}/{test_case}_1node，再复制 model_config.yaml 并修改并行参数。
- 创建或更新 recipe 文件：GPT 测试新建 gpt-1node.yaml（nodes: 1、gpus: 4，script_setup 与 script 从 gpt.yaml 原样复制）；MoE 测试向已有 moe-1node.yaml 追加条目。
- 添加 products 条目：每个 recipe 选 1–2 个代表性测试用 scope: [mr-github, mr-github-slim]，其余用 scope: [mr-github]，platforms 为 dgx_gb200。
适用场景：Megatron-LM 仓库中 GB200 功能测试从 2 节点迁移到 1 节点、接入 GitHub MR 流水线。
限制：资料未提供具体运行命令、依赖版本、耗时或效果数据；需按仓库现有 recipe 与配置实际执行，避免 mr-github-slim 套件过载。