sgl-project/sglang

缓存空 MatchResult 避免重复分配

值得合并，变更简洁且安全。建议关注 HiRadixCache 场景下 _empty_match_result.device 与运行时 device 的一致性，必要时在 HiRadixCache 中 override reset() 确保 tensor 创建在正确 device 上。

修复 DSA 模型启用 MTP 时的死锁问题

此 PR 修复了高优先级 bug，改动集中、逻辑清晰，CI 已全部通过。建议尽快合并并回传到相关发布分支。值得关注的设计决策包括：frozen dataclass 在 CUDA graph replay 中的赋值模式，以及 `_to_2d_context_lens` 的布局规范方法。

为自定义推测算法添加注册机制

值得精读，它展示了如何在不破坏现有代码的前提下提供扩展点。对于需要自定义推测算法的用户尤其有价值，设计模式具有参考意义。

修复 dummy health check server 硬编码 keep-alive 超时

值得合并。此 PR 修复了配置不一致问题，且改动极小，无风险。

两阶段推理语法约束解码与严格思考模式

该 PR 设计精良，状态机分离清晰，将推理阶段与生成阶段的约束解耦。建议仔细审阅状态机转换逻辑和 rollback 跨越边界的处理。`_finished` 初始化问题应确保修复。对于 regex 行为回归问题，需额外调试确认。整体上，PR 对支持推理模型的约束解码具有重要意义，值得合并并持续监控。

处理Kimi-K2.5裸数字调用ID，推断函数名

**建议合并**（PR 已合并）。该 PR 解决了 Kimi-K2.5 工具调用中的关键兼容问题，且测试充分。 **值得注意的设计**：利用参数模式匹配推断缺失的函数名是一种轻量级解决方法，但在参数重叠时可能不够精确；可考虑在后续迭代中加入更稳健的神经网络或逻辑回归。 **后续关注**：code review 中提到的三个问题虽未解决，但影响可能有限，建议在真实负载运行后评估是否需进一步修复。

auto 检测推理/工具调用解析器

值得精读，特别是 `template_detection.py` 的规则引擎设计可作为类似场景的参考。关注 `thinks_internally` 和 `reasoning_default` 如何与 `_get_reasoning_from_request` 集成，消除 if/elif 是良好的重构模式。

为 Gemma4 添加 FROZEN_KV_MTP 投机解码算法

此 PR 对于 Gemma 4 用户至关重要，值得精读。设计上选择冻结 KV 方案而非传统 EAGLE 是合理的。关注点是 TP>1 支持尚未完全验证，数值掩码稳定性有待改进。建议后续跟进 TP 测试和掩码修复。