PaddlePaddle/FastDeploy

将RL构建工作流runner从GPU-Build改为GPU-Build-RL，并更新基础镜像和Paddle whl URL。

该PR值得CI维护者精读，以理解RL构建环境的资源分配优化。关注点包括：runner切换的合理性、基础镜像和Paddle whl URL更新的兼容性验证，以及review中提及的问题是否已妥善解决。对于其他工程师，可简要了解CI配置的演进。

将线性层中matmul和add操作合并为linear，提升带bias情况的性能。

建议精读此PR，因为它展示了核心算子优化中的性能权衡决策，例如在不带bias时保留matmul以避免小shape性能下降，值得学习如何平衡不同场景下的实现选择。

为GLM4.7 Flash模型添加支持，统一forward参数并处理MLA注意力头部padding。

建议工程师精读此PR，关注ForwardMeta的统一参数传递设计，以及MLA注意力中padding处理的技术权衡。对于维护者，需验证rope_scaling逻辑的正确性和padding的边界条件，并补充测试覆盖。

修复 NVFP4 环境变量类型并优化 flashinfer 条件导入，适配非 Blackwell GPU 环境。

对于从事量化优化或 GPU 相关开发的工程师，此 PR 值得精读，特别是 is_nvfp4_supported() 的设计和条件导入的实现，展示了如何处理硬件特定依赖的优雅方式。关注 deep_ep 导入的修复和文档更新部分，以了解跨平台兼容性的最佳实践。

修复MTP在TP并行和重叠调度场景下的两个关键bug

该PR值得精读，特别是关注推测解码在TP并行下的输出同步机制设计，以及重叠调度中token预测算法的优化思路。建议重点查看：1）rank检查如何避免冗余通信；2）token预测公式从复杂计算简化的设计权衡。

修复调度器在请求状态转换时槽位计数不一致的bug，防止请求无槽位进入运行状态。

该PR值得精读，特别是对于负责调度器模块的工程师。重点关注resource_manager_v1.py中新的槽位计数逻辑设计，这是调度器正确性的关键保障。建议结合近期调度器相关的PR（如#7152、#7129）一起阅读，理解调度器状态的完整演进。

修复RL模块异步权重加载OOM问题，优化内存管理并切换版本文件格式。

该PR值得精读，重点关注： 1. OOM修复策略：通过延迟初始化和条件性共享buffer来避免内存峰值，体现了对Paddle参数内存管理的深入理解。 2. 版本文件格式迁移的设计决策：从简单文本转向结构化YAML，但需权衡向后兼容性。 3. 建议结合AI Review的提示，考虑补充单元测试和文档说明。

为Mooncake存储设置默认MC_MAX_MR_SIZE环境变量，避免注册时挂起。

该PR值得快速浏览，重点关注：1) 环境变量默认值设置模式（先检查后设置）值得借鉴；2) Copilot关于单位准确性和魔法数字处理的建议对代码质量有参考价值；3) 可作为配置管理最佳实践的简单案例。