sgl-project/sglang

赋予 thanhhao98 CI 权限，支持其自行触发和重跑 CI

本 PR 属于常规维护，无需精读。值得关注的是其作为权限管理流程的一部分，反映了对活跃贡献者的信任和赋能机制。建议维护者确保 CI 权限的授予遵循既定流程，并关注后续是否真正提升了贡献者的 CI 效率。

MXFP8 GEMM 新增 FlashInfer CuTe DSL 后端并设为 SM10x 默认

值得精读。三个设计决策值得关注：一是用 FlashInfer 的 is_backend_supported 做运行时能力查询而非静态架构号判断，兼顾 SM10x 家族与未来 Rubin；二是后端解析收敛到单一函数并删除分散 override，避免 auto 分支不可达的隐患；三是 autotune 判定基于解析后的真实后端，防止无效 autotune。测试对 fallback 分支的 mock 覆盖（SM107 + is_backend_supported=False）也值得借鉴。

恢复自动 NUMA 绑定开关，支持通过环境变量禁用

值得快速精读，改动小而目标明确，是“配置项声明与实现失同步”的经典修复案例。重点关注三点：一是默认值 `false -> true` 背后的行为保持推理（关联 PR#19452）；二是门控位置放在显式 `--numa-node` 判断之后、NUMA 探测之前的优先级设计；三是测试对 `SGLANG_NUMA_BIND_V2` 正交性的 subTest 验证方式。

回滚 Kimi K3 MLA gate 融合优化，修复长序列回归

建议快速浏览。重点阅读 kimi_k3.py 中 `_precompute_output_gate` 与 `_gated_o_proj_forward` 的协作方式，以及原 PR #33623 的融合设计（权重合并、tile_m 特例、CUDA Graph 交互）。若团队计划重新实现融合，应先在 2048 token 全序列场景补充回归测试，并厘清与 alt-stream 重叠、breakable CUDA graph 的同步语义。

修复 AMD 2-GPU diffusion CI 分区中止，改为 LPT 均衡分片

值得精读。原因：(1) 这是一个典型的 CI 结构性 bug 修复，展示了“修计数 vs 解耦”的设计取舍，以及作者如何通过统一两条分区路径来防止代码漂移；(2) 对 “把独立测试文件与参数化用例混排”带来的副作用（fast-fail 语义变化）有完整分析，并配套了有针对性的回归测试；(3) PR body 对哪些车道行为变化、哪些不变做了逐条清单，是 CI 变更的好示范。关注点：`_run_partition_assignment` 的统一执行路径、`assign_partition` 的确定性切片设计、以及 PR 末尾披露但刻意未修的 `diffusion_case_parser.py` 预存在 bug（CUDA standalone 测试可能已静默停跑数月），值得后续单独跟进的 issue。

B300 CI 改用默认安装器并删除 Kimi-K3 专用脚本

建议快速浏览即可，重点确认两点：一是实际 CI 镜像中 transformers 版本是否已包含 PR #46618 修复；二是 `test_kimi_k3_b300.py` rerun 失败是否与本次安装路径切换相关，若持续失败应及时回退或保留补丁。对 CI 基础设施维护者而言，这是一个典型的"workaround 到期清理"案例，值得参考其验证方法（配置解析测试 + 路径存在性校验 + 残留引用检查）。

为 KV 事件与 radix 缓存新增 cache_salt 命名空间隔离

值得精读，尤其关注三点设计决策：(1) wire 兼容策略——用同 tag 独立 struct 追加第 8 槽位而非给基类加可选字段，是 msgspec 生态中可复用的模式；(2) 加盐哈希链的迭代化 + 节点记忆化 + 分裂切分，规避了递归深度与 O(T²) 重算；(3) fail-loudly 设计——直接属性访问与 C++ 后端显式拒绝。对下游路由端，需先实测旧 7 槽位解码器对 8 槽位事件的兼容行为再升级。

官方 GGUF 文件名更新 Muse Glimmer cookbook 配置

该 PR 为纯文档字符串变更，无需精读，但值得关注其展示的规范命名验证流程——全仓库搜索旧名称、新名称在 Hub 上验证可用、以及明确不更新其他名称的理由。对维护 cookbook 配置文件的贡献者有参考价值。