sgl-project/sglang

降低 Qwen2.5-VL 模型分段 CUDA 图测试的 GSM8K 精度阈值，缓解 CI 偶发失败。

该 PR 变更简单直接，主要价值在于其背后的数据分析方法。建议工程师快速浏览以了解测试阈值调整的决策过程，但无需深入代码细节。对于负责 CI 稳定性和测试策略的团队成员，可关注其如何利用历史数据量化方差并设定安全边际。

AMD ROCm DFLASH 投机解码支持

值得精读，尤其是 Triton 后端的 custom_mask 守卫和 ROCm 的 fallback 逻辑。建议后续合并 fallback 逻辑为单一 helper 函数以简化维护。

修复 HiCache 文件后端组件键生成中 PoolName 枚举序列化问题，确保文件名规范。

该 PR 值得快速浏览，重点关注 `PoolName` 枚举的 `__str__` 方法实现，这是修复序列化问题的核心设计决策。对于涉及 HiCache 或类似枚举键生成的开发，此变更展示了如何确保枚举值在字符串上下文中的规范表示。

在 AMD ROCm 平台上跳过 ModelOpt FP8 和 NVFP4 量化测试，修复 CI 失败。

该 PR 变更简单直接，适合快速了解如何通过平台检测调整测试覆盖。值得关注的设计决策是选择在测试配置层而非运行时处理硬件不兼容问题，这降低了核心代码复杂度，但可能牺牲测试完整性。建议结合 review 中的讨论，思考未来如何更精细地管理跨平台测试策略。

预计算 GemmaRMSNorm 的 gemma_weight，避免每次前向重复加法开销。

该 PR 值得精读，尤其是 `_weight_loader` 的实现和缓冲区管理部分，展示了在 PyTorch 模块中如何安全地预计算并缓存张量，以及如何处理权重加载时的同步问题。关注设计决策：使用 `register_buffer` 缓存非持久化张量，并通过 `weight_loader` 回调确保缓存值与参数同步。

修复 ModelOpt B200 diffusion CI 覆盖，优化权重文件选择和 artifact 保存。

建议工程团队精读 `transformer_load_utils.py` 中的 `_prefer_mixed_safetensors_files` 函数，理解其设计权衡：在遇到混合和非混合文件共存时，优先选择混合版本以避免重复张量名问题。同时，关注测试 artifact 保存机制，确保在 CI 中正确配置环境变量以利用此功能。

修复扩散模型 CI 自动分区逻辑，支持多配置文件并防止空套件。

对于负责 CI 基础设施或扩散测试的工程师，建议精读以了解动态配置解析的设计。关注 `resolve_case_config_path` 函数和 `validate_suite_case_coverage` 验证逻辑，这些是防止 CI 回归的关键设计决策。

为 AMD CI 新增内网 Docker registry 镜像和 LAN 优先拉取策略，解决 Docker Hub rate limit 问题。

该 PR 值得运维和 CI 工程师精读，重点关注镜像拉取策略的设计决策（如优先级顺序和重试逻辑），以及硬编码 IP 和代码重复等可维护性改进点。