sgl-project/sglang

以 image-processor-backend 参数取代废弃的 use_fast 快图像处理器

值得精读，尤其是 `_apply_image_processor_backend` 对 ProcessorMixin kwargs 泄漏问题的处理手法（只替换 image 子处理器、保留 processor 的 tokenizer/chat_template），这是与 Transformers ProcessorMixin 交互时容易踩坑的设计决策。建议关注两个后续验证点：1) `auto` 默认值在常见 VLM（Qwen2.5-VL、LLaVA、InternVL 等）上的实际 backend 选择与精度影响；2) 是否需要在 vLLM 等依赖同一 `use_fast` 语义生态的地方同步推广。

修复 Inkling 测试中 decode cache-hit 检查的 flaky 问题

该 PR 值得精读，尤其适合负责测试维护或关注 mamba/SWA 缓存机制的工程师。它展示了一个由配置不对齐导致的 flaky 测试的典型排查过程，以及如何通过将对齐直觉转化为显式断言（0.99）来提升测试的信噪比。但本身不涉及核心推理逻辑，重要性中等。

新增 Hy3 模型在昇腾 NPU 上的部署文档

值得作为 Ascend NPU 模型部署教程的参考模板精读，尤其适合关注多节点 PD 混合部署、投机解码参数和镜像版本策略的读者。文档在 review 中经历了从 daily build 到稳定镜像的务实收敛，体现了“文档必须与实际可运行版本绑定”的维护原则。

修复 NPU 上 HiCache MHA backup 回归

该 PR 值得快速浏览，改动虽小但揭示了一个重要的设计差异：NPU 池与 CUDA 池在内存布局上的根本不同（连续多层张量 vs. 指针数组）。关注点在于后端差异化的处理方式，以及 `_validate_envelope_kv_layout` 的校验逻辑。建议阅读 `mha.py` 中 `backup_from_device_all_layer` 的分支处理，理解 HiCache 在不同硬件上的适配模式。

为 Nemotron 3.5 Lightning 新增 cookbook 页

建议精读 `nemotron-3.5-lightning.jsx` 的 cells 设计：它展示了如何把“每个硬件 × 策略的已验证命令”压缩成可匹配、可生成、可维护的结构化数据，以及如何利用引擎默认值解析来精简 flag。对要新增模型 cookbook 的贡献者，这套模板和本次 review 中的 flag 精简讨论是直接可复用的经验。合并后建议跟进两点：安装命令是否已切换到 release 仓库、benchmark 数据是否已回填。

per-token FP8 量化迁移至 JIT，兼容 AOT 并提速

值得精读。重点关注三处设计：一是按架构选择 math mode（SM90 fast_math、SM100+ precise_math）以保证位精确的思路；二是 CTA/warp 双 dispatch 阈值与零行 legacy 行为的刻意保留及对应测试设计；三是内核注册表从 AOT 切到 JIT 的接入模式（可作为后续 AOT→JIT 迁移的标准操作流程）。测试文件 `test/registered/kernels/ops/quantization/test_per_token_quant_fp8.py` 是位精确迁移测试的样板。

DSV4 BCG prefill 启用多流重叠，TTFT 提升约 1%-4%

值得精读。源码只有 5 行，但 review 过程展示了三条可复用的工程准则：1) 对模型专属配置项保持警惕，优先用数据证明必要性；2) 用 128-8k ISL 的 TTFT sweep 支撑「移除 gate」的决策，而不是凭直觉保留阈值；3) 主动识别上游 PR（#29866）已覆盖自己的封装并删除 wrapper，避免重复实现与维护负担。建议同时阅读 #29866 理解 get_is_capture_mode 的语义扩展，以及 #33865 了解 DSV4 prefill CP 组合的限制来源。

为 LTX-2 挂载位精确 CUDA 融合调制，denoise 最高降 2.8%

值得精读。该 PR 是“在位精确约束下安全挂载融合 kernel”的典型范例：`BitExactFusionGate` 首调自验证、`(B,1,D)` 步长视图的 densify 适配、以及分层回退策略都清晰可复用。结合 FLUX 与 MiniMax-H3 的同类挂载对比阅读，可沉淀一整套扩散模型 kernel 化性能优化的方法论。