sgl-project/sglang

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。

移除误加的 MXFP8 在线量化拦截，恢复线性层 bf16 量化

值得快速精读，特别是作为“重构引入回归”的诊断案例：guard 的可达性分析、重构提升作用域时的风险、以及量化路径统一在 `process_weights_after_loading` 处理权重 dtype 的设计原则。建议后续为在线 MXFP8 线性层初始化补充回归测试，并检查是否存在对旧属性 `use_min_latency_fc1_gemm` 的外部引用。

统一 verify mask 所有权，无人读取时压缩为 QLEN_ONLY

值得精读。该 PR 是一个高质量的重构范例：用单一所有者收敛五份分歧分配、把布局与容量绑定防止公式漂移、对无人读取的掩码走紧凑布局，并顺带修复两个派发器缺陷。重点关注 `verify_mask.py` 的设计（`tree_mask_numel` 与 `fits` 的分工）、`fits()` 对 `FULL_MASK` 的豁免理由，以及 `TboAttnBackend` 因 property 导致 `__getattr__` 失效的细节。对后续做 phase 级缓冲抽象有直接参考价值。

修复 GLM 模板对混合 tool_result 丢失 schema 的问题

值得精读。核心看点是：在协议边界拆分消息而不是修改聊天模板，以适配不同厂商模板的渲染假设；同时展现了 review 如何收敛过宽的通用方案。适合关注 Anthropic 兼容层、多模型聊天模板渲染的工程师阅读。建议后续补充更多边界场景测试。

统一内存池支持 MLA 混合 Mamba（Kimi-Linear）Triton 后端

值得精读。这个 PR 的索引抽象设计很有学习价值：把 page-major 信封直接当作 dense paged pool、用 `torch.as_strided` 构造重叠视图、以及 compaction 只管 virtual→physical 表从而让上层引用永不失效的思路，比引入新的物理布局或搬移数据优雅得多。阅读时建议重点对照三份文件：`build_dense_mla_views`（视图与寻址公式）、`translate_kv_loc_dense`（dense 空间约定）、`HybridLinearKVPool` 的 `full_loc` 路由（写路径接线）。合并前请确认两件事：P1 的 FNUZ dtype 归一化是否已在后续 PR 修复，以及 rebase 后的 CI 状态。

修复 no-a2a 路径 EPLB 冗余专家静默错误

值得精读。该 PR 不仅修复了一个隐蔽正确性问题，还展示了如何通过纯函数索引替代随机数来保证跨 rank 一致性的设计思路。对关注 MoE 调度、专家并行或分布式推理一致性的工程师尤其有参考价值。