执行摘要

• 一句话：AITER diffusion 后端移除未使用的 softmax LSE 计算
• 推荐动作：该 PR 更偏向微优化清理，价值有限，但对理解 AITER diffusion 后端的调用约定和代码风格有参考价值。可快速浏览，重点留意 aiter.flash_attn_func 返回类型差异的约定。

功能与动机

PR body 明确说明动机是清理：AITerImpl.forward 在同一行请求 softmax LSE 又通过 output, _ = 丢弃它，这是无用的请求。同时指出 ring attention 是 LSE 的唯一潜在使用者，但它已被限制在 FA 和 SageAttention 后端，当前无任何消费者，因此移除该参数是安全的。

实现拆解

1. 变更入口：修改 python/sglang/multimodal_gen/runtime/layers/attention/backends/aiter.py 中 forward 方法的 BF16 分支。
2. 核心变更：将 aiter.flash_attn_func 调用的 return_lse=True 改为 False，并将返回值的解包从 output, _ = 改为 output =，因为 return_lse=False 时函数返回裸张量而非元组。
3. 配套情况：无测试、配置或部署改动，仅源码微调。

关键文件：

• python/sglang/multimodal_gen/runtime/layers/attention/backends/aiter.py（模块 多模态；类别 source；类型 core-logic；符号 forward）: 核心变更文件，调整了 BF16 分支中 flash_attn_func 的调用，移除未使用的 LSE 请求。

关键符号：forward

关键源码片段

python/sglang/multimodal_gen/runtime/layers/attention/backends/aiter.py

核心变更文件，调整了 BF16 分支中 flash_attn_func 的调用，移除未使用的 LSE 请求。

# python/sglang/multimodal_gen/runtime/layers/attention/backends/aiter.py
# forward 方法中 BF16 分支，通过 return_lse=False 避免请求未使用的 softmax LSE。
@torch.compiler.disable
def forward(self, query, key, value, *args, **kwargs):
    # ... 前面的 FP8 分支和警告逻辑 ...
    # BF16 path
    output = aiter.flash_attn_func(
        query,
        key,
        value,
        dropout_p=self.dropout_p,
        causal=self.causal,
        return_attn_probs=False,
        return_lse=False, # 不再请求未使用的 LSE，aiter 返回裸张量
    )
    return output

评论区精华

PR 评论中，yichiche 对 perf 收益提出了疑问：PR body 前半段提到 AITER_ENABLE_FMHA_OPUS=1 时带来 5% 性能提升，但 Benchmarking 部分又说无可测量的性能变化，要求澄清。作者未在评论中直接回应，但后续 PR 状态已标记为已合入。

• 性能收益声明不一致 (question): 作者未在评论中明确回复，但改动已合入，说明不影响合入决策。

风险与影响

• 风险：风险极低。改动仅涉及一处参数和返回类型处理，且已通过 bitwise 一致性和基准测试验证输出不变。潜在风险是若未来有代码依赖 LSE 返回值，但 forward 方法当前未提供该返回，因此影响范围局限于该分支。
• 影响：对用户：无功能影响，仅性能微优化。对系统：减少 AITER flash attention 潜在的冗余计算，但实测无性能变化。对团队：属于低风险清理，为后续优化提供更清晰的代码路径。
• 风险标记：缺少测试覆盖

关联脉络

• PR #33021 [AMD] Drop redundant FP8 bpreshuffle scale transpose via fused AR kernel: 同属 AMD 后端性能优化，涉及 AITER 内核调用细节，体现连续的优化方向。