SGLang is a high-performance serving framework for large language models and multimodal models.
升级 DeepEP 至 0.1.1，动态抬高 NVSHMEM QP 深度并强制安装 NCCL 2.30.7
值得精读。这是一个小而完整的“依赖升级 → 运行时适配 → 部署配套”闭环样例，值得关注的设计点是 `_set_nvshmem_qp_depth` 的 `max()` 保护语义：既满足新版本下限要求，又尊重用户显式配置，避免“魔法值覆盖用户配置”的常见错误。团队应跟踪两件事：上游 DeepEP PR#10（恢复 SBO 测试）；考虑为 QP 深度逻辑补一个低成本单测（如 mock `os.environ` 验证 `max()` 计算），为移除的单测做回归补偿。
借 CUDA 图池空闲块承载 EAGLE 采样内存，默认关闭
值得精读：`pool.py` 的借用、退役与互斥 scope 设计，以及 `BumpArenaStub` 的多 extent 改造是全文最有参考价值的部分；任何需要把步内临时张量塞进既有预留内存的场景都可借鉴该模式。对只关注 EAGLE 的用户，建议先跑 `test_graph_pool_borrow.py` 与 `test_spec_eagle*.py` 再决定是否开启。合入前请留意两个遗留问题：PR 级 CI 槽位失败原因未澄清、借用内存缺少逃逸检测的运行时断言。
PD 解码预分配两路径统一页对齐断言并修复 hisparse 测试
值得快速阅读，并与 #35286 一起看以理解页对齐断言的演进脉络。重点学习测试 fixture 的修复手法：不要 mock 计算函数，而应注入真实输入让真实逻辑运行，使单测与生产行为保持一致。
夜间测试加 scheduled 跳过快速失败，改为收集全部失败
值得 CI 维护者精读：这是一个用显式布尔输入替代 `github.event_name` 判定的典型范例，说明可复用工作流必须把“调用意图”作为显式契约传递，不能依赖事件类型猜测。变更单行、语义清晰、向后兼容，建议按当前方案合入；后续若出现更多跳过快速失败的场景，可考虑把条件集中封装到某个共享的 `check-health` 表达式或复合 action 中，避免条件继续膨胀。
抽取 EAGLE 与 DFLASH 共用的页对齐 decode 分配水位计算
值得快速精读，特别是 `page_aligned_decode_alloc_lens` 的封装方式：它把"页对齐 + max(cur, ...) 钳制 + 记账"三个关注点打包成宿主侧纯计算函数，是理解 SGLang 分配器从设备回读走向宿主记账的关键一环。对正在跟进 #35223 的读者，这篇 PR 提供了一个清晰的去重范本；对一般读者，可结合 #35265 对比"先页对齐、再共享"的演进时序。
Laguna MoE 路由评分配置化，默认值不变
值得快速浏览而非精读。亮点在于以最小侵入方式将 `TopK` 已有能力通过 config 暴露，注释清晰标注了取值与分支位置，是低成本扩展点的良好示范。建议关注两点：一是后续 Laguna 变体 PR 是否会补齐 `moe_router_score_func` 的取值校验与单元测试；二是可对照 `topk.py` 中 `"sigmoid"` / `"sqrtsoftplus"` 分支实现，评估非法取值时的兜底行为。
DFLASH 解码 KV 预留按页对齐，修复尾部悬空记账
值得快速精读：虽然核心变更仅约 50 行，但它展示了"分页分配器账目一致性"这一容易被忽略的系统不变量，以及与 EAGLE 路径对齐的设计决策。重点阅读 `prepare_for_decode` 中的对齐公式和 `_compute_compact_draft_seq_lens_host` 的注释——后者解释了为什么 host 侧上界故意不做精确页面对齐（避免锯齿映射下冲），是同类"host 侧无同步预估"场景可复用的设计范式。
PD 解码预分配新增 SWA 驱逐页对齐断言
值得快速阅读。本 PR 的代码量只有 4 行，价值在于把跨模块的页对齐不变量显式锚定在数据写入点——分配成功之后、写入 `req.kv.swa_evicted_seqlen` 之前校验。值得关注的设计决策是断言位置的选择：不放在 `_swa_tail_len`（约束来源处），也不放在 `free_swa_segment`（消费处），而是放在唯一写入口，使所有未来调用方都经过同一个校验关卡。对追踪 #35223 的读者来说，这是理解 I2（SWA liveness boundary invariant）的最小样例。
参与讨论