sgl-project/sglang

修复 Laguna YaRN mscale 双重应用导致的精度退化

建议精读。该 PR 是“框架语义适配”的微型范本：核心设计决策包括（1）用除法把 HF 的“最终值”语义还原为 SGLang 的“乘数”语义；（2）通过 pop 掉 mscale/mscale_all_dim 让 yarn.py 走简单默认 base，消除除法基准不确定性；（3）契约测试基于真实 get_rope 而非手抄公式，并专门构造 (32.0, 1.1) 反例以区分错误实现。对维护多模型配置适配层的团队尤其有参考价值。

修复 phase-checker 设备断言测试的 flaky 判定逻辑

值得快速浏览，了解 CUDA 设备端 assert 在 CI 环境下的非确定性退出行为。核心设计决策是“以证据行而非退出码作为断言标准”，对类似需要跨进程判断内核错误的测试有借鉴意义。无需精读，但可作为 CI 稳定性改进的参考范例。

移除 B300 低延迟配方冗余 flags，并标记已验证

该 PR 适合快速浏览，不需要精读源码。值得关注的是：文档 recipe 的 flags 变更反映了官方在不同硬件/策略上的推荐演进——例如默认启用 FlashInfer autotune、不再固定 chunked prefill size。如果正在做 DeepSeek-V4 在 B300 上的部署，可以以此文档为准调整启动参数。

HiCache write_back 优先回收重复 Host 副本

值得精读。重点关注惰性跟踪 + 实时复查 + digest 跨 TP 校验的设计模式，以及两轮扫描对“即将被 demote 的 evictable D-leaf”的保留策略。建议后续补充针对 `_reclaim_full_host_duplicates` 两轮策略与 digest 匹配的独立单元测试，以增强回归保障。

CI 改用 sgl-deep-ep wheel，移除 DeepEP 源码构建

值得精读，尤其是 CI 负责人。这是一个典型的「临时构建脚本 -> 正式发布制品」收敛案例：不仅替换安装方式，还同步清理了 runner 配置、workflow job、slash 命令字段与测试注册，31 个文件跨度但模式统一。值得关注的设计点：按 GPU 数量条件安装 GDRCopy、双发行名（deep-ep/sgl-deep-ep）卸载防混合安装、CUDA 12/13 双通道 wheel 解析、以及用测试夹具保护 runner label 聚合逻辑。建议合并后观察 1-2 周 CUDA 12/13 多卡 CI 稳定性，尤其是 H200/B200/GB 系列 runner。

Qwen3.5 文档 NVFP4 checkpoint 升级 V2

该 PR 改动极小，不值得精读代码，但建议文档维护者关注两点：一是全仓搜索确认没有遗漏旧 NVFP4 引用；二是考虑为 `generateCommand` 增加输出快照测试。同时可跟踪 `SemiAnalysisAI/InferenceX` 的 PR#2238，了解 V2 相对 V1 的变化原因，决定是否在文档中补充升级说明。

修复推测解码中停止标记被长度限制抢先结束的 bug

值得精读。PR 展示了修复核心解码路径优先级问题的典型方式：重排检查顺序 + 新增兜底限制，并用生产事故复现测试锁定行为。对于维护推理引擎的工程师来说，`update_finish_state` 的实现细节值得深入理解，避免后续改动破坏停止语义。

DCP 拓扑读取全面迁移到 get_parallel() 实时来源

值得精读。本 PR 是"配置种子 → 实时拓扑"渐进迁移的样板：no-assert 访问器三元组（`dcp_enabled` / `attn_dcp_size` / `attn_dcp_rank`）的设计、"哪些读取可以迁移、哪些必须留在 server_args"的边界判断，以及自审式 review 中对命名属性、注释和局部变量的删减，都是可复用的工程实践。