sgl-project/sglang

NPU 量化注释去除厂商措辞，统一为 NPU

无需精读技术细节，但值得快速过一眼关键文件的注释，尤其是 `linear_method_npu.py` 和 `mxfp4_npu.py` 中保留的量化布局规范（FRACTAL_NZ、双级 scale 形状、DualLevelQuantBatchMatMul 的 A5-only 限制），这些是 NPU 量化调试的重要线索。该 PR 适合作为注释术语规范的参考模板。

空闲循环树缓存深度校验默认关闭，修复 DP 组调度卡死

值得精读。代码量虽小，却包含两个可复用设计：一是用 EnvField 的 callable default 实现「生产默认关、CI 默认开、显式覆盖优先」的三态配置语义，让调试仪器默认不进生产路径同时不牺牲 CI 回归；二是测试通过 contextmanager 清理进程环境变量来稳定默认值断言，是环境耦合测试的典型解法。对调度器与缓存团队，建议同时关注 sanity_check 自身性能（TODO(hzh)）与文档同步。

文档澄清 HiCache L2 实例私有、仅 L3 可跨实例共享

值得阅读：对维护者和文档贡献者而言，本 PR 是“把隐含架构语义显式化”的良好范例——用表格、Mermaid 图与 Note 三层结构回答反复出现的用户问题，且每条机器 review 意见都落实到最终提交。对纯代码开发者无需精读；若今后编写 HiCache 或统一缓存相关文档，可直接复用 Tier Sharing Scope 小节的表达方式与校订流程。

驻留要求尊重显式卸载配置，修复冲突未报错

此 PR 值得精读，因为修复了一个配置静默覆盖的隐患，并引入了通用化校验逻辑。核心设计决策：使用 `explicit_residency_mode` 统一检查所有显式驻留面，可推广到其他组件要求。建议后续在文档中说明冲突报错行为。

Direct GPU 加载下兼容权重零拷贝成为参数存储

值得精读。重点关注 `_can_assign_tensor_without_copy` 的 fail-closed 门控设计、`data_ptr` 断言如何锁定两个加载路径的行为契约，以及本 PR 从“全量采用”到“仅显式 Direct GPU 加载采用”的演进过程——这是处理“优化作用域过宽导致回归”的典型范例。可与 #36902、#36931 对照阅读 diffusion 组件加载的演进脉络。

HiCache 大池分块注册 cudaHostRegister 并支持回滚

值得精读 `common.py` 的 `_cuda_host_register` 分块与回滚实现，以及各 pool 如何推导 `registration_granularity_bytes`；这是与底层 CUDA API 语义打交道的良好范例，对理解 HiCache 大规模部署的初始化路径有参考价值。建议后续在真实 CUDA 环境跑一次大池初始化/吞吐回归，并关注 layer-first 大池的后续处理。

消除无谓的 overrides 惰性导入，保留测试接缝与循环例外

值得精读，重点看 PR 正文的“keep-list”方法论与测试接缝分析：它把“惰性导入的理由”显式写成可检查的规则，而不是留给习惯。`test_resolution_declarations.py` 中把接缝下移到数据容器的做法尤其值得借鉴——当模块级 patch 因 import 提升而失效时，把观测点移到所有路径共同经过的数据结构上，是比逐个 patch 消费者更稳的方案。建议维护者在代码审查中把“overrides 导入是否命中保留清单”作为默认检查项。

移除 srt 中 10 个死 server_args 参数及 18 个调用点

建议值得精读，尤其是配合系列 PR 一起看：36896 → 36972 → 36973 → 36974 → 36975。值得关注的设计决策是区分接口契约与自由函数死参数的分类方式、迭代到定点的删除策略，以及 ratchet 测试如何主动暴露新产生的死参数。此外，PR body 中关于 create_kt_config_from_server_args 的 AttributeError 分析揭示了裸 except 吞异常的隐患，值得结合 #36921 阅读。