sgl-project/sglang

修复FlashInfer MNNVL workspace大小检查参数不匹配

本 PR 值得精读，尤其是 `_configure_workspace_size_check` 的设计展示了一种向后兼容不同 API 签名的通用技巧。Review 讨论中关于复杂性与测试取舍的对话对技术决策有参考价值。

为NPU量化路径添加代码负责人

建议合并。变更简单明确，已获团队成员ping1jing2批准。

支持DiT层常驻GPU加速去噪推理

建议diffusion推理用户根据显存余量尝试此功能，特别是需要降低延迟的场景。该PR的设计（延迟激活、force释放、跨模块保护）值得有类似需求的项目参考。如遇到OOM，应减少resident_layers或保持为0。

新增 Ascend A2/A3 的 Diffusion 部署文档与交互组件

本 PR 偏文档性质，但交互组件中针对不同硬件动态生成命令的模式值得借鉴，未来支持更多硬件（如 Intel Gaudi）时可复用。核心逻辑在 `generateCommand` 和 `useEffect`，结构清晰。建议阅读以了解 SGLang 文档自动化的实践。

修复 4 个夜间 CI 崩溃，涵盖内核、注意力、加载路径

建议精读。此 PR 展示了高效的多 bugfix 模式：每个修复都有独立复现脚本，使用窄范围条件来最小化风险，值得借鉴。特别是 CuTe 内核的微调条件和 Kimi-VL 的注意力封装迁移，对深入理解 sglang 推理栈有参考价值。对于测试团队，可以关注如何编写独立复现脚本（如 PR body 中描述的 standalone repro）。

防止注册测试文件中的死测试类

值得合并，修复了潜在的测试静默跳过问题，提升了 CI 可靠性。变更简单、针对性明确。

为 NPU A5 上的 Qwen3 MoE 模型添加 W8A8 MXFP8 量化

该 PR 设计周密，值得仔细阅读，特别是以下方面：融合路由量化如何避免额外的量化 kernel 启动、在线/离线方法如何共享同一套 `NPUMXFP8MoEMethod` 内核，以及 `create_moe_runner` 中通过 `isinstance` 检查 `moe_runner_backend` 以防止错误分发。同时，审查反馈中的迭代过程（继承 vs 组合、内核提取、DeepEP 支持）展示了良好的代码演化实践，可供团队借鉴。

修复 Qwen3-VL 特征在视觉设备上物化的问题

该 PR 值得所有使用 Qwen3-VL 模型且启用多模态 DP 编码器的用户关注。核心设计决策是引入统一的 `materialize_multimodal_features` 辅助函数，为未来其他 VL 模型的特征物化提供了可复用的模式。建议核查 `materialize_multimodal_features` 是否完全避免了设备同步开销。