sgl-project/sglang

支持 Gemma4 流水线并行

建议精读此 PR，特别是 pp_filter_load_weight 的设计和 forward 中 PP proxy 的处理，这是 SGLang 中标准 PP 适配模式。同时关注 PLE 兼容性讨论，体现了在边界情况下的设计权衡。对于需要部署 Gemma4 在单机多 GPU 环境的团队，应立即采用此变更。

支持GLM-Image多设备并行生成

值得精读。尤其关注新增的`MAIN_RANK_ONLY_AND_SEND_TO_OTHERS`并行模式设计，它解决了自回归生成阶段在多卡环境中必须保持token一致性的问题。这种“单卡执行后广播”的范式对于混合不同并行策略的流水线很有参考价值。同时，AR阶段与扩散阶段的拆分也体现了模块化思想。

统一升级 transformers 到 5.8.1

建议合并此 PR，但密切关注 CI 测试结果，特别是模型加载与 tokenizer 相关测试；若出现失败，应优先排查 transformers 5.8.1 的 breaking changes。后续可考虑补充针对 transformers 版本的集成测试。

对齐 NPU 上 GLM-4.7 MTP 加载路径

该 PR 适合精读，特别是关注 SLANG 中 MTP 推测解码的实现细节和 NPU 平台的量化策略。其中的清理工作（移除冗余上下文管理器、简化控制流）体现了代码质量演进方向。

移除 NPU 文档中的 100ms 基准配置

此 PR 仅为文档清理，可快速合并。但建议跟进 reviewer 的意见，确保表格中的引用一致性。

CI工作流支持labeled事件重新触发

该 PR 设计完善，文档清晰，推荐 CI 管理者精读。值得关注的设计决策是通过 `labeled` 事件绕开 `run.rerun()` 不可用的问题，这是一个很好的 GitHub Actions 实践。建议后续为 handler 增加单元测试。

移除陈旧的 DeepSeek V4 JIT 内核

值得快速合并。虽然简单删除，但展示了清理无用代码的最佳实践：用 rg 验证无引用后删除，并保留 git 历史供回溯。

NPU扩散模型新增三种注意力后端

值得精读，尤其是如何在现有注意力抽象框架中新增后端，以及平台选择逻辑的 try-except 降级处理。对于 NPU 相关开发者，Rain Fusion 和 Block Sparse 的实现细节需关注 review 中的性能优化建议。