sgl-project/sglang

修复--incremental-streaming-output流式响应文本乱码问题

该PR值得精读，尤其是理解增量流式与累积流式的设计差异。关注_generate_chat_stream中的条件判断逻辑，这是修复的核心。同时，回归测试展示了如何模拟增量流式场景，对测试编写有参考价值。

清理 CI 和 Docker 中冗余的 flashinfer cubin 下载步骤，简化构建。

该 PR 变更简单直接，精读价值不大，但可作为基础设施清理的参考。建议关注 flashinfer 依赖管理的最佳实践。

启用ModelOpt FP8量化FLUX扩散模型部署，支持自动检测并重用现有FP8内核。

该PR值得精读，特别是ModelOptFp8Config的忽略列表设计和自动反量化机制，这些是处理异构量化模型的关键决策。工程师可关注如何优雅集成外部量化工具的输出，并借鉴其代码组织方式（如helper函数分离逻辑）。

实现LTX-2.3模型的两阶段生成支持，优化管道配置和序列并行逻辑。

建议工程师仔细阅读管道配置（ltx_2.py）和模型层（ltx_2.py）的变更，关注序列并行设计和注意力掩码逻辑；管理者和设计师可审查性能基准（perf_baselines.json）和兼容性文档更新，以评估对项目路线图的影响。

修复 MXFP8 cutlass 后端的权重更新问题

值得快速合并。该 PR 是紧急修复，逻辑简单且正确，能解除 RL 训练的阻塞。建议审核者关注 PR 中提到的未来 `restore_weights_before_loading` API 的进展，以便根本解决此类问题。

为 FlashMLA KV 内核添加 q-head padding，支持纯 TP 配置下的 FP8 注意力计算。

建议精读 `nsa_backend.py` 中的填充实现，关注 `_forward_flashmla_kv` 方法的设计决策；同时注意默认配置变更对部署的影响。

新增--quantization unquant选项，允许用户显式禁用量化自动检测。

这个PR值得关注，因为它展示了如何处理用户显式意图与系统自动检测之间的冲突。设计上通过添加标志记录用户选择，而不是简单依赖None值，这种模式在处理类似配置冲突时值得借鉴。建议阅读python/sglang/srt/server_args.py中的相关修改，特别是_handle_model_specific_adjustments方法中三个自动检测路径的防护条件。

修复 VLM 中 --mm-process-config 参数未传递给所有模型的问题，通过按模态分离配置避免冲突。

该 PR 值得精读，特别是对于处理多模态配置和 HuggingFace 处理器集成的设计决策。关注点包括：如何使用 `setdefault().update()` 优雅地合并配置，以及如何通过验证和测试确保健壮性。对于维护者，可以学习避免参数冲突的模式。