执行摘要

• 一句话：修复NPU后端MLAPO融合内核在非MLA模型下错误禁用KV缓存保存的问题。
• 推荐动作：该PR值得NPU后端开发者精读，虽然改动小但揭示了MLAPO与模型类型耦合的设计决策。关注self.use_mla属性的使用方式，以及未来是否应重构重复逻辑。

功能与动机

根据PR body描述，MLAPO仅适用于基于MLA（多级注意力）的模型。当前当MLAPO与Eagle草稿模型一起使用时，草稿模型无法正确保存其KV缓存。这导致推测解码功能异常，需要修复以确保正确性。

实现拆解

该PR仅修改了一个文件：python/sglang/srt/hardware_backend/npu/attention/ascend_backend.py。在forward_extend和forward_decode两个方法中，将原有的条件判断从if is_mla_preprocess_enabled():改为if is_mla_preprocess_enabled() and self.use_mla:，确保仅当启用MLA预处理且当前模型为MLA模型时才禁用save_kv_cache。

关键文件：

• python/sglang/srt/hardware_backend/npu/attention/ascend_backend.py（模块 hardware_backend/npu）: 唯一修改的文件，包含Ascend NPU后端的核心注意力计算逻辑，forward_extend和forward_decode是关键方法。

关键符号：forward_extend, forward_decode

评论区精华

review中只有一个实质性讨论：gemini-code-assist[bot]指出两处逻辑重复（forward_extend和forward_decode），建议提取为私有辅助方法以提高可维护性，并统一注释（一处写"MLAPO and MLAPROLOG"，另一处只写"MLAPO"）。但PR作者未采纳该建议，直接合并了当前修改。iforgetmyname批准了PR。

• 重复逻辑重构建议 (design): PR作者未采纳，直接合并了当前修改。

风险与影响

• 风险：风险较低但需注意：1. 核心逻辑变更在NPU后端的注意力计算路径中，若self.use_mla判断错误可能影响所有使用Ascend后端的模型。2. 未按review建议重构重复代码，长期可能增加维护成本。3. 缺少针对此修复的单元测试，依赖现有CI覆盖。
• 影响：影响范围：使用Ascend NPU后端且同时启用MLAPO和Eagle等非MLA草稿模型的推测解码场景。修复后，草稿模型能正确保存KV缓存，确保推测解码功能正常。对纯MLA模型或无草稿模型的场景无影响。
• 风险标记：核心路径变更, 缺少测试覆盖

关联脉络

• PR #20522 [Mamba] eliminate D2H if tracking mamba states: 同属NPU后端性能优化相关，涉及硬件后端逻辑调整。
• PR #22240 [Disagg][NIXL] Support Mamba state slice transfer for heterogeneous TP (Step 2/2 for Qwen3.5): 同属NPU相关功能，涉及异构TP下的状态处理。
• PR #22145 [Disagg][NIXL] Fix heterogeneous TP KV transfer for non-MLA models (same logic with mooncake, Step 1/2 for Qwen3.5 support): 同样修复非MLA模型的KV传输问题，技术领域相似。