sgl-project/sglang

修复 MiniMax-H3 在 BCG 下 Cache-DiT 的 AttributeError

值得快速阅读，理解 PR#34242 与 H3 override 的边界交互。设计上采用“入口分流、委托基类”的方式，避免在 BCG 下重复实现缓存挂载，是一个简洁且风险可控的修复。对后续在扩散模型阶段叠加运行时开关有借鉴意义。

MiniMax-M3 共享与路由专家在 CUDA 图上双流重叠

值得精读。该 PR 展示了利用 CUDA 备用流在 MoE 内部重叠独立计算分支的通用手段，是 CUDA Graph 捕获模式下性能优化的典型范例。建议关注 `get_is_capture_mode()` 与 `alt_stream` 的组合使用方式，并为该路径补充单元测试或 CI 验证。

embedding 缓存 H2D/D2H 批量直拷，碎片吞吐提升约 3-5 成

值得精读。transfer.cu 中 cudaMemcpyBatchAsync 的动态探测 + ABI 分派 + 多级回退模式，可作为 sgl-kernel 新增 CUDA 算子的参考实现；embedding_cache_controller.py 的「计划构建与执行分离」也值得在缓存迁移场景复用。关注 embedding cache/EPD 的工程师建议按 key_files 顺序阅读，重点看 _copy_embedding_page_runs 与 transfer_embedding_ranges_direct 的完整实现。

移除失效的 torchao 集成与 --torchao-config 参数，精简量化链路

该 PR 值得快速浏览作为"功能移除"的范例：体现了在依赖升级导致功能失效后，直接删除而不是保留死代码的决策逻辑。对于关心量化功能现状的读者，重点看 `server_args.py` 中参数删除方式、`loader.py` 中分层加载分支的收敛，以及 `docs/docs/advanced_features/quantization.mdx` 中支持矩阵的更新。不建议作为架构参考深入精读。

Ascend NPU 新增 Qwen3.8-Max 部署教程并接入文档导航

建议按需精读：若你负责 NPU 平台文档或需要在昇腾硬件上部署 Qwen3.8-Max，该教程的部署脚本、特性矩阵与 best-practices 联动值得细读；对普通工程师而言，本 PR 无源码价值，扫读结论即可。值得关注的设计：文档以 daily build 镜像作为与 main 分支同步的手段，并将示例参数与 `parameter_tuning` 锚点联动，体现了大型部署文档的可持续维护思路。

EAGLE 下跳过 OOW slot 释放，修复 SWA 混合模型崩溃

值得精读。该 PR 展示了一个由默认开关翻转引发的跨模块单位不匹配问题，修复手法简洁（条件跳过），但根因分析透彻，适合作为“默认开关风险”的案例。关注点：`free_out_of_window_slots` 与 `tree_core.is_eagle` 的交互、EAGLE bigram 索引与 raw token 的换算关系，以及后续是否会补充真正的单位转换修复。

BCG 下 Cache-DiT 静默禁用，现补一次性警告

值得快速浏览而非精读：改动虽小，但“一次性告警 + 请求级路径覆盖 + 测试对全局去重函数做 cache_clear 隔离”的设计可作为同类静默失效问题的修复模板。若后续要扩展 Cache-DiT 与 BCG 的兼容性，本 PR 的告警位置是天然入口。

DSPARK 在 verify 发布 WAR read-done，提升重叠调度

值得精读，尤其是 `SharedReadBoundary.IN_REPLAY` 与 `POST_REPLAY` 的语义差异，以及推测解码算法相位（draft_extend / target_verify）如何与调度器 WAR 屏障对接。建议与 DSpark 系列近期修复（#34782、#34759）一起阅读，理解 DSpark 单步 decode 同步开销的持续优化脉络。评审时可关注 spec_info.py 中与 is_dflash_family 重复的判定，建议后续清理或补充注释说明。