sgl-project/sglang

DSA topk 广播在无 PyNCCL 时回退到进程组广播

该 PR 值得精读，因为它揭示了一个重要的设计决策：在核心路径上允许回退而不强制前置依赖。对于关注 DSA、TP/DP 并行和 CUDA 图的开发者有参考价值。

新增可配置 HTTP/2 连接窗口参数

该 PR 值得精读，尤其是对负责部署和调优 SGLang 服务端性能的工程师。核心关注点是参数命名、校验范围和传递链路的设计，以及如何与现有 HTTP/2 配置相结合。

DCP1→N 传输打包成连续 RDMA 块，TTFT 最高降 39%

值得精读。核心看点：把 descriptor-bound 的传输瓶颈重新建模为带宽问题；`try_pack_dcp_src` 的 stream 同步与 fallback 设计；NIXL 异步读取与 chunk barrier 的配合方式；以及按 DCP rank 固定分区来支持并发异步提交的思路。建议重点阅读 `dcp_pack.py` 与 `nixl/conn.py::transfer_worker` 两处，理解 buffer 生命周期与同步语义后再评估是否移植到 DSPARK。

引入 Qwen3.5 模型支持，升级 FlashInfer 0.6.18 集成

值得精读。这是理解 SGLang 如何与 FlashInfer 深度集成的重要样例，尤其是：1) `FlashInferMNNVLCuteDSLARFusion` 工作区的图稳定性设计；2) `gdn_flashinfer.py` 中 32 字节对齐与 Triton 回退的权衡；3) `_finish_mlp_output` 的 deferred-finalize 数据契约；4) `overlap_utils.py` 中一次初始化缺陷的发现与修复过程。

NPU KDA 改用 causal_conv1d 原位回滚方案，推理提速约 16%

值得精读。该 PR 展示了硬件后端性能优化中一个典型设计权衡：用"原位写入 + 回滚"替代"中间快照 + 散射"，并通过统一内存布局换取算子复用。重点关注 `_get_conv_weights_t` 的 dtype 缓存设计（首次 dtype 固定缓存的隐患）以及 `conv_states_shape` 转置与共享 KDA 后端的耦合点。建议后续补充 conv state 回滚正确性单测和不同 dtype 调用覆盖。

恢复 GLM-5.3 文档中 AIME25 标签及相关评分渲染。

此 PR 为简单的文档修复，价值不高，但可快速合并。无需精读，但可关注类似文档配置的维护方式。

更新 NPU 支持模型与特性文档

值得文档维护者关注，作为 NPU 文档同步的参考。可精读以了解当前 NPU 支持边界。

修复 CPU 后端双向注意力被误加因果掩码

值得精读，尤其是内核 stage-2 循环中 `num_keys` 计算与掩码条件如何用一个 `is_causal` 布尔参数同时支持因果与双向两种模式，以及 C++ 内核与 Python 后端之间参数透传的完整链路（声明、schema 注册、backend 调用、测试接线）。该 PR 是理解 SGLang 后端抽象层如何对齐不同硬件实现（CPU AMX 与 Triton）的较好样例；如果你的团队维护 CPU 或注意力后端，建议同步关注测试覆盖缺口。