sgl-project/sglang

临时禁用自动化基准测试工具单元测试，解决CI不稳定性问题。

该PR变更简单，但揭示了CI测试稳定性的管理策略。建议关注：1）团队如何处理flaky测试的权衡（快速修复vs精细处理）；2）后续是否会有PR恢复测试或关联跟踪issue。对于理解CI维护模式有参考价值。

删除不稳定的LFM2-MoE模型工具调用测试类，解决CI flaky问题。

该PR变更简单，适合快速浏览以了解CI优化策略。值得关注的是团队如何处理flaky测试：通过移除不可靠的模型特定测试，同时确保核心逻辑（lfm2解析器）仍有其他测试覆盖。

支持AMD平台MLA注意力内核在头数小于16和FP8 KV缓存下的TP=8配置。

建议精读aiter_backend.py的变更，关注head-repeat策略的设计决策和性能权衡。对于AMD平台开发者和内核优化者，此PR展示了如何重用现有内核处理非标准头数，值得学习其代码结构和测试更新。

添加CI自动二分法工作流，自动化分析scheduled PR Test失败并分类为回归、不稳定测试等。

建议团队仔细阅读此PR，特别是`ci_auto_bisect.py`中的AI集成逻辑和错误处理设计。关注review中提出的未解决问题，如API参数修复和重试逻辑，在部署前验证配置和测试。对于涉及CI自动化的开发者，此PR展示了如何结合GitHub API和AI服务进行智能分析，值得学习其设计权衡。

修复两个Python文件中的f-string前缀缺失，确保警告和断言消息能正确插值变量值。

该PR变更简单，无需精读。对于工程师，可关注点在于： 1. 作为代码质量示例，展示了f-string使用中的常见疏忽。 2. 可借机检查代码库中是否存在类似缺失前缀的字符串，但非必需。

改进扩散模型基准测试设置，提升性能真实性并自动发现单元测试。

建议工程师重点关注 server_args.py 的端口逻辑变更和 comparison_configs.json 的 benchmark 设置，以了解 CI 改进细节；对于性能优化，可参考 LTX-2 benchmark 的配置选择。

添加自动化基准测试工具，支持YAML配置驱动的服务器标志搜索和规范数据集格式。

建议工程师精读此PR，重点关注YAML配置设计、分层搜索策略和错误处理机制。该工具适用于性能调优场景，但需注意风险管理，如设置合理的搜索超时和验证数据集格式。

对齐扩散模型 nightly 基准测试预设与技能文档，以 LTX-2 案例为中心并扩展机会发现指导。

建议开发者和性能工程师精读更新的技能文档，特别是 `existing-fast-paths.md`，以了解新增的融合 QK norm + RoPE 等机会指导。同时，关注 `bench_diffusion_denoise.py` 中的 denoise 延迟计算逻辑，确保其正确性。此 PR 展示了文档与配置对齐对优化生态的重要性，值得一读以理解扩散模型的最佳实践。