sgl-project/sglang

回滚CUDA 13.0升级，恢复CI默认CUDA版本为12.9以解决内核测试问题。

该PR值得基础设施团队精读，关注CI环境配置的复杂性和CUDA升级的障碍。建议未来在升级前加强测试覆盖和环境验证。

将TRT-LLM注意力后端中的contiguous().view()替换为reshape()，避免不必要的内存复制。

该PR变更简单直接，值得快速浏览以了解reshape替换的优化思路。但更值得关注的是review中提出的FP8转换逻辑不一致问题，建议后续跟进修复。对于学习PyTorch张量操作优化的工程师，这是一个很好的小案例。

为LoRA+MoE引入虚拟专家计算，通过扁平化适配器-专家组合提升多LoRA适配器推理性能。

建议技术管理者和工程师精读 `virtual_experts.py` 内核实现和 `fused_moe_triton_kernels.py` 的修改，关注虚拟专家映射算法、split-K支持以及掩码加法设计，这些是性能优化的关键决策点。

修复GLM4.7 Flash模型因_gfx95_quant_format属性缺失导致的加载失败问题。

该PR值得快速浏览，以了解GLM模型初始化中的常见陷阱。关注点：1. _gfx95_quant_format属性的作用及其在量化格式检测中的角色。2. 模型层间属性初始化的最佳实践，避免类似缺失问题。

为MLX和MUSA硬件后端目录添加CODEOWNERS配置。

这是一个简单的配置更新，无需深入阅读。对于技术管理者，可以关注MLX和MUSA后端的所有权已明确；对于工程师，除非参与这些后端开发，否则无需特别关注。

移除Dockerfile中已失效的flashinfer缓存复制指令，修复CI构建失败。

此PR变更简单，无需精读。对于关注CI/Docker基础设施的工程师，可快速浏览以了解flashinfer缓存清理的后续动作。建议结合#22491理解完整上下文。

修复SGLang版本检测问题，使用describe模式确保正确显示当前checkout版本。

该PR值得精读，特别是对于关注包管理和版本检测机制的开发者。值得关注的设计决策包括：优先使用确切标签而非最新标签的版本检测策略，以及通过fallback_version处理无Git元数据环境的健壮性设计，这些决策体现了对用户体验和跨平台一致性的重视。

更新 NPU 上 GLM5 的运行指南

该 PR 为简单的文档更新，无需深入审查。值得关注的是使用固定版本而非 main 分支的做法，可提升环境可复现性。