sgl-project/sglang

修复 SWA 预分配预算未按物理页对齐导致恢复记账错误

值得精读。关注两点：一是 `_prealloc_required_tokens` 与 `pop_preallocated` 中预算更新的一致性，理解“token 需求须与物理页计费对齐”的原则；二是回归测试构造物理页预算精确断言的写法，可作为同类内存预算修复的测试范本。

修复 sgl-deep-ep 构建依赖并升级 PyTorch 2.13

该 PR 规模小但定位精准，值得关注其构建依赖管理的细节：通过显式开启仓库和注册动态链接路径解决 CI 构建问题，以及用环境变量参数化版本断言避免漂移。对于维护发布流水线的工程师，建议精读 Dockerfile 的改动，可作为处理同类构建环境问题的参考。

移除 warmup 阶段 inference_mode，修复懒分配 buffer 更新崩溃

值得快速精读：PR 本体仅 2 行变更，但关联 Issue #33470 对 PyTorch grad mode 边界的分析质量很高，揭示了 inference_mode 与 no_grad() 的语义差异以及 tensor 生命周期跨模式边界的陷阱。对模型后端与 runner 相关开发者，应关注'懒分配 buffer 必须跨 grad 模式安全'的约定，以及本 PR 采用的'不主动覆盖调用方 grad mode'的设计原则。后续可跟踪 Issue 提出的 workspace 显式初始化方案是否落地。

为 AMD gfx1250 启用 sgl-kernel 构建并修正 wheel 标签

值得快速阅读，尤其是关注 AMD 硬件支持与 ROCm 打包流程的人。核心看点：在缺少指令集的架构上用编译期空桩保证构建通过、并通过运行时门控维持正确性；以及通过移除 py_limited_api 来修正非 ABI3 扩展的 wheel 标签。规模很小（+14/-4），不需要大型 review。

AMD 扩展注意力紧凑网格化，混合 prefill 吞吐翻倍

值得精读。三个最值得关注的设计决策：(1) 用“与 flash-attn varlen 启动方式对齐”而非“发明新技术”的框架论证优化合理性，降低 reviewer 判断风险的成本；(2) BLOCK_M 从 kernel 自动探测并沿 backend → scheduler 传递，避免用户可感知配置项与潜在错配；(3) AMD-only + 默认开启 + 可 env 关闭的分层策略，在跨厂商风险与收益之间做了务实取舍。建议工程团队在引入同类平台特定优化时复用该模式；后续可关注 compact grid 是否被推广到 CUDA/NPU。

修复 EAGLE 草稿缺失父类初始化，并抑制预热 NaN 探针

值得精读。推荐关注两点：一是 commit 2 中“helper 不是真实分类”的论证与唯一初始化路径的设计取舍；二是作者区分“引入 bug 的 commit”与“暴露 bug 的 commit”的归因方法（nightly 时间线对比）。合并后建议跟进：量化 draft 路径的前缀修正复验、warmup NaN 是否需要在探针或草稿 warmup 路径上修复。

为 cutedsl_mla 放开 DSPARK verify 宽度限制，decode 吞吐约 2x

值得精读 PR body（而非仅看 6 行 diff）：它给出了 MLA decode 后端选型的量化决策框架——fold_sq 的复杂度模型、TP/context/量化类型对取舍的影响、以及后端无法在运行期切换的架构约束。它对理解 sglang 的 speculative decoding 验证路径与 flashinfer 内核能力的配合很有价值。改动本身很小，作为性能优化的范例也很典型：一个 guard 的放宽 + 充分的基准支撑。

修复 PP 下 mamba 池按整模型计费的容量 bug

值得精读。核心价值不在代码量，而在 PR body 的设计论证：如何在不引入集合通信的前提下让所有 PP rank 对共享容量参数达成一致（取最大阶段份额），以及用 145 预算扫描定量证明方案完备性。对于从事容量规划、调度器或多卡一致性工作的工程师，这是很好的案例。建议重点阅读 _handle_max_mamba_cache 的 auto-fit 与显式容量两条分支如何统一改口径，以及 TestPPMambaPoolSizing 的两个断言如何精准卡住回归。