sgl-project/sglang

LTX-2 AdaLN 九输出合并为单 slab 分配，提速 1.63x

值得快速阅读。核心价值不在改动规模，而在“多输出 Triton kernel 用单 slab + `unbind` 视图减少 allocator 往返”这一通用优化模式，以及用 `torch.compile(fullgraph=True)` 做回归保护的测试思路。生产路径上如存在同类多输出内核，可直接套用该模式。

SM103 调优 QK RMSNorm 启动，B300 提速 1.72x

值得快速阅读的低风险性能优化样本。核心价值不在改动本身，而在于其方法论：先用 Nsight Compute 定位 launch-bound，再用穷举 sweep 选定 row/warp 组合，最后以 bit-exact 与 torch.equal 作为验收闸门降低验证成本。对于计划做多架构内核调优的工程师，建议关注 get_jit_cuda_arch() 的跨平台行为，并考虑将此类按 SM 分流的 launch 配置抽象成统一配置表，避免每个内核各自 if-else。

修复 FP8 反量化缓存与 torch.compile 不兼容

值得精读。改动虽小，但展示了一个典型的 PyTorch 机制坑位——`inference_mode` 产物会丢失版本计数器，进而影响 `torch.compile` 的 guard 建立；其修复方式（局部退出 inference_mode + no_grad）和回归测试写法（先 promotion 再 fullgraph 编译并对比 bit-exact）都值得在后续缓存类功能中复用。

SM103 启用精确 QKNorm+RoPE 舍入修复

值得快速浏览（约 10 分钟）。这是 #34347 的后续补丁，展示了跨 GPU 架构维护 bit-exact 数值语义的典型做法：用条件编译精确枚举受影响架构，而不是对所有架构开启精确路径。若要深入学习，可结合 `test_qknorm_rope_preserves_split_bf16_rounding` 理解 split 参考与融合实现的舍入差异。

SM103 调优 QK head LayerNorm 启动，B300 提速 1.46x

值得快速阅读。适合关注 diffusion 内核优化或 CUDA 架构差异的工程师，尤其可以学习“按架构分派 launch 配置”这一低成本高性能调优模式；对不涉及该内核的读者价值有限。

修复 ReqTimeStats 0.0 哨兵误 rebase

值得精读：PR 很小但问题层次深，一行条件判断暴露了“哨兵值穿越 IPC 被时钟 rebase 污染”的观测链路反模式。重点关注：① `__setstate__` 中 falsy 跳过策略与 `convert_time_cross_thread` 的配合；② 两 hop 测试如何用 mock 锚点精确复现跨进程时钟差，可作为 metrics 类 bug 回归测试的模板。

AMD miles 夜间镜像新增无日期标签发布

该 PR 为低优先级的 CI 发布流程微调，不建议精读。值得留意的设计点：直接 push 本地已有的标签，优于在 registry 里用 `imagetools create` 生成元数据引用；对单平台镜像，`imagetools create` 的 `--prefer-index=true` 默认行为可能产生不必要的 image index 层级，发布场景应显式比较两种方式的结果。

修复 DFlash 滑动注意力因果默认值回归

值得精读。这是一个小而完整的回归修复，展示了『显式声明优先 + 历史默认值分层回退』的设计模式，并附带清晰的 CI 验证数据。对维护 DFlash 推测解码、draft 模型接入或类似『配置默认值契约』的同学有参考价值。重点看 `_get_dflash_attention_type` 的默认值传递与 `MuseGlimmerAssistantConfig.is_causal` 的配套声明。