sgl-project/sglang

HybridAttnBackend 补 max_context_len，修复 EAGLE verify 崩溃

值得快速浏览：一行修复但指出了 hybrid 包装层属性透传的设计约定。可结合 `needs_cpu_seq_lens` 的聚合委托逻辑一起阅读，理解 wrapper 需要显式转发哪些叶子后端属性；建议未来为 wrapper 类补充属性透传清单测试，防止同类遗漏。

2-rank Ulysses 换用 CUDA-IPC 零拷贝 A2A

值得精读，尤其是四个设计决策：GPU 侧序列计数器同步原语（bump/spin 内核对）替代 NCCL rendezvous；CUDA graph 捕获安全性的系统处理（capture 内 Miss 返回 `None` 回退 NCCL）；超时双端退休机制避免进程组失同步；用独立微基准明确 2-rank 边界并留下完整的扩展性论证。测试设计（断言传输真正 engage、平台跳过、超时路径覆盖）也是可复用的范式。建议关注默认开启后的线上行为，以及 staging 淘汰顺序一致性这一隐式契约的后续演进。

固定 GB300 PR 测试 NCCL 端口，消除 EADDRINUSE 竞争失败

值得快速浏览，尤其是对 CI 测试稳定性维护感兴趣的工程师。其设计决策——从共享默认端口常量推导基准值并分段偏移——比硬编码端口更易维护；同时刻意避开 #31731 的全局方案，保持改动面最小，是好的工程边界把握。

新增 PD 解耦下稠密 MLA 转 DCP 布局的 KV 传输，支持 Kimi Linear

值得精读。重点看三处设计：`build_dcp_token_transfer_plan` 的取模规划（虚拟页 × rank 所有权）、`resolve_dcp_dst_entry_indices` 的 PP 组合思路、以及传输元数据在 ZMQ 消息上的字段布局约定。后者是这次 review 的主要争论点，也是后续所有 disaggregation 元数据扩展的公共约束。

统一内存池放开 paged MLA 注意力后端，并修复 cuda-graph 静默错读

值得精读。核心看点：(1) `create_flashmla_kv_indices_triton` 用 kernel 内 v2p gather + `PAGE_MULT` 取代 host 端 remap，省一次 launch 与临时 tensor；(2) 用能力探测（`full_v2p_page_table` 是否存在）而非 multiplier 推断 unified pool，规避单层 MLA 配置的静默错读；(3) flashinfer decode 采用原地写回而非 per-role allowlist 分裂，并明确依赖 flashinfer `plan()` 的复制合约；(4) cuda-graph 下“图外预计算 dense 写位置 + replay 前清零尾部”的写法，解决 pad 行 stale loc 问题。PR body 中关于 GSM8K 0.000 的复现与诊断过程（无 crash、无警告、仅在服务有负载历史后出现）本身就是很好的 cuda-graph 调试案例。

清空 FlashInfer BF16 置换索引缓存，修复 RL 权重更新损坏

值得精读的短小修复。虽然改动只有 5 行，但背后是 RL 权重热更新与 GPU 缓存生命周期的经典冲突。建议关注两点：一是“在周期开始时清空缓存、周期内继续复用”的权衡；二是向后续维护者提示同类缓存（如 MXFP8、NVFP4 之外的其他后端缓存）需要一并审计。对从事 RL 训练、权重热更新或 FlashInfer 后端的工程师尤其有参考价值，后续应跟进正式单测。

diffusion rollout 返回调度器 sigmas 快照

建议精读本 PR 的语义设计：它给出了一个很好的范例——服务端把调度器内部的精确元数据直接外抛，而不是让下游从有限信息反推。尤其值得关注 `_slice_rollout_trajectory_for_sample` 中“元数据不做逐样本切片”的处理方式，以及作者后续将 `timesteps` 也切换到 `scheduler.timesteps` 的计划；若该计划落地，会彻底统一扩散 rollout 轨迹的时间轴语义。

更新 triton-ascend 安装指南链接

此 PR 为简单的文档链接更新，不建议精读。值得关注的是文档维护的规范性，建议后续检查其他文档中是否有类似的过期链接。