sgl-project/sglang

添加混合分块预填充单元测试并进行小重构

该PR值得快速浏览以了解混合分块预填充的测试用例，但设计决策较简单，无需深入精读。建议工程师关注test_mixed_chunk_prefill_budgets方法中的预算计算逻辑，以理解混合分块行为；对于代码重构部分，可借鉴defaults.update(kwargs)模式提升测试灵活性。

在Helios模型的optimized_scale函数中添加.float()转换，确保bf16下的CFG Zero Star数值稳定性。

此PR值得快速浏览以了解数值稳定性最佳实践和与上游diffusers库的同步，但变更简单，无需深入分析设计决策；关注点在于代码清晰度与内存效率的权衡讨论。

修复 bench_one_batch_server 中吞吐量指标计算的分母不一致问题，统一使用总延迟。

由于此 PR 已被回滚，不建议精读，但可以关注 issue #18712 和后续 revert PR 21276 以了解完整的讨论和决策过程。对于工程师，可学习吞吐量指标计算的设计决策，并注意在类似更改中加强测试验证。

重构NaN/OOB检测为异步检查，避免GPU-CPU同步，提升Eagle性能。

值得精读，特别是对从事GPU性能优化和异步编程的工程师。重点关注`maybe_detect_nan`/`maybe_detect_oob`函数的设计，以及环境变量与CLI参数的集成方式，以学习如何平衡调试工具和性能开销。

为SM120 Blackwell GPU添加triton_kernels支持，以运行GPT-OSS模型的MXFP4量化。

建议技术管理者关注此PR中的硬件特定优化设计（如SM120的条件分支）和量化集成策略；对于工程师，值得精读`mxfp4.py`中`_swizzle_mxfp4`函数的改动，以了解GPU架构差异（如TMA块布局支持）对内核选择的影响，并参考issue评论中的性能数据和兼容性修复。

为Kimi K2.5模型添加Eagle3 speculative decoding支持，优化推理效率。

建议精读此PR以了解speculative decoding的模型集成模式，关注委托方法的实现和性能基准测试结果，同时留意跨平台性能差异和代码可维护性议题。

修复DeepSeek-V3.2工具调用JSON解析错误，确保流式输出稳定。

建议开发者在处理类似错误时，考虑捕捉所有可能异常类型以增强健壮性。此PR值得快速浏览以了解错误处理模式，但需注意讨论中提出的未解决疑虑。

回滚PR 18619以修复扩散模型中torch compile图捕获问题，恢复推理性能。

该PR值得精读，因为它展示了性能回归修复的典型场景和代码回滚的决策。关注点包括：并行线性层变更的设计权衡、forward方法中输出处理的正确性、以及如何避免类似健壮性问题。建议团队后续验证并行性能并修复review中提及的问题。