sgl-project/sglang

复用 bootstrap HTTP 会话避免端口耗尽

建议快速合入。本 PR 以极小的代码改动（仅一个文件）解决了 PD 部署中严重的生产问题，A/B 验证数据充分。值得关注的设计决策：使用 `threading.local()` 保证 Session 线程安全、小连接池（pool=1）避免资源浪费。

修复 NPU PD 下 MTP IndexShare 的 warm-up 挂起与 CP top-k 形状错误

建议精读 `can_run_graph()` 的实现，尤其是通过 all-reduce 同步跨 rank 决策的模式，这种模式在异构硬件或分布式 warm-up 场景中具有通用性。代码注释充分，commit 历史清晰，适合作为 NPU 调试的参考。

整理 server_args.py 常量分组并移除无用别名

值得快速浏览，了解 server_args.py 的结构改进，尤其适合关注代码整洁性的读者。

修复 DeepSeek-V4 严格思考模式无法正确屏蔽 EOS

建议合并。该 PR 修复了 DeepSeek-V4 的一个关键 bug，代码简洁、测试完善。值得关注的是 `DeepSeekV4Detector` 的设计模式：直接继承 `BaseReasoningFormatDetector` 而非复用其他模型的 detector，避免了 token 不兼容问题，这是处理特殊 tokenizer 模型的正确做法。

优化 EmbeddingGemma prefill 性能，BCG 加速 4.37 倍

建议精读。该 PR 展示了如何将 encoder-only 模型适配到 SGLang 的 BCG 框架中，包括残差融合、批次 tokenization、注意力窗口正确性等关键设计。`layernorm.py` 中的融合 RMSNorm 内核设计值得复用。`server_args.py` 中的自动配置逻辑也可作为其他特殊模型配置的参考。

bare Qwen3Model 原生嵌入适配，吞吐提升 32%

PR 质量高，包含详尽的性能与准确性测试。实现模式（包装骨干 + Pooler + 手动 prefix remap）可供其他 embedding 模型注册参考。建议合并。

修复 NPU 上 AfmoE topk 重构导致的精度回退

建议合并。该 PR 修复了由重构引起的精度退化，改动量小且聚焦于 NPU 特判逻辑，讨论中已充分验证。但建议后续增加针对 NPU 下 AfmoE topk 参数传递的单元测试，防止类似回归。

根据 scoring_func 动态选择 NPU topk norm_type，修复 DS coder v2 精度

建议合并。这是一个针对特定回归的精准修复，改动量小且逻辑清晰。后续可在 NPU 文档中补充 scoring_func 参数说明。