执行摘要

• 一句话：修复推测解码中Mamba跟踪计算的边界错误，确保前缀缓存正确更新。
• 推荐动作：该PR值得精读，尽管变更简单，但揭示了推测解码中奖励令牌处理的微妙边界条件。关注点：
  1. accept_length_per_req_cpu的构造约定及其在各类计算中的一致性。
  2. Mamba跟踪间隔与前缀缓存的交互设计。建议结合推测解码和Mamba相关文档理解上下文。

功能与动机

根据PR body描述，调度器需要在推测解码过程中计算已接受令牌何时跨越Mamba跟踪间隔，以便更新前缀缓存。当前实现中，accept_length_per_req_cpu的构造排除了奖励令牌，导致计算错误。PR作者明确指出此问题并提供了修复方案。

实现拆解

仅修改了单个文件中的一个关键计算表达式。在python/sglang/srt/managers/scheduler_output_processor_mixin.py的_mamba_prefix_cache_update函数中，将比较条件从(actual_seq_len - result.accept_length_per_req_cpu[i])改为(actual_seq_len - result.accept_length_per_req_cpu[i] - 1)，通过减1来补偿奖励令牌的偏移，确保Mamba跟踪间隔计算正确。

关键文件：

• python/sglang/srt/managers/scheduler_output_processor_mixin.py（模块 scheduling）: 唯一修改的文件，包含调度器输出处理的核心逻辑，修复了Mamba跟踪计算的关键边界错误。

关键符号：_mamba_prefix_cache_update

评论区精华

Review过程非常简洁，两位审阅者（yizhang2077和sshleifer）均直接批准，未提出任何评论或争议。这表明修复方案清晰且被广泛认可，无需深入讨论。

• 修复方案认可 (correctness): 修复被接受，无需修改。

风险与影响

• 风险：风险较低但需注意：
  1. 核心路径变更：修改了调度器输出处理的核心逻辑，涉及推测解码与Mamba模型的交互，若计算错误可能导致缓存更新不及时或错误更新。
  2. 边界条件敏感性：修复依赖于对accept_length_per_req_cpu构造的理解，若未来该变量定义变化可能引入新的错误。
  3. 测试覆盖：上下文未提供测试变更详情，需确认单元测试是否充分覆盖此边界场景。
• 影响：影响范围有限但关键：
  1. 对用户：修复后确保推测解码与Mamba模型结合时的前缀缓存行为正确，可能提升缓存命中率和推理效率。
  2. 对系统：仅影响调度器输出处理中的Mamba相关逻辑，不涉及其他子系统。
  3. 对团队：变更极小，易于理解和维护，但需确保相关开发者理解奖励令牌在推测解码中的处理方式。
     - 风险标记：核心路径变更, 边界条件敏感

关联脉络

• PR #22470 Fix SWA eviction boundary and page-align chunked prefill: 同属调度与缓存管理领域的bugfix，涉及边界条件修复。
• PR #22458 Fix NCCL AllGather hanging issue for Qwen3 Next MTP: 同属推测解码相关的bugfix，解决计算或同步问题。
• PR #22241 [sgl] add ability to return logprobs in MultiLayerEagleWorkerV2: 同属推测解码模块的修复，涉及worker逻辑调整。