sgl-project/sglang

将 DSpark 密集草稿嵌入查询移入草稿图

这是一个小而精准的性能优化 PR，值得相关开发者阅读了解如何通过 forward_embed 机制消除 eager 阶段拷贝。建议精读 dspark.py 和 dflash.py 中的改动以理解设计模式。

删除 sgl-kernel AOT bmm_fp8，统一使用 flashinfer 实现

值得一读，展示了如何安全地移除重复 AOT 实现并统一依赖，同时利用 `register_custom_op` 保持 torch.compile 兼容性。

修复 /rerun-test 将 b200 多模态测试路由到 H100 池的问题

该 PR 价值虽小但及时修复了实际的 CI 故障。建议阅读者关注 `scripts/ci/utils/slash_command_handler.py` 中 `detect_multimodal_suite` 函数的匹配逻辑，未来若有更多硬件后缀测试文件加入，应考虑重构为更鲁棒的正则匹配或精确匹配机制，避免字典顺序依赖。

裁剪 DSA 草稿扩展元数据内核的页表列

值得精读。该 PR 展示了在 CUDA kernel 中进行轻量级条件跳转来裁剪无用工作的典型优化技巧。对于关注推测解码性能的工程师，这是一个很好的学习案例。测试中也展示了如何正确验证带有“未定义区域”的 kernel 输出。

DeepSeek-V4 基准测数更新至 v0.5.15，引擎支持 per-cell 百分位

值得精读（尤其是 review 评论中的审计思路，可作为团队性能测试的标准流程参考）。设计上关注 _deployment.jsx 中 per-cell 百分位覆盖的极简实现方式，以及如何通过注释明确数据契约。

Mamba slot donation 调试断言加 feature gate

建议合入。这是一个典型的性能优化与调试体验之间的权衡，通过环境变量开关实现了两全其美。值得关注的设计决策是：使用 `os.environ` 获取环境变量而非 `envs` 对象，保持简洁；模块级变量仅计算一次，零运行时开销。

AutoWeightLoader v2 demo: Qwen2/Llama 集中式权重加载

值得精读，因为这是 weight loader 重构的基石。重点关注 `StackedParamsDispatch` 的设计、`AutoWeightsLoader` walker 与子模块 `load_weights` 的协作模式，以及 `RemapRegistry` 的注册机制。对于计划参与模型迁移的工程师，建议深入理解该 PR 的接口契约。

SM120 FP8 GEMM 后端切换至 cuBLAS

值得合入，变更简单清晰，性能收益明确，同时降低了维护成本。建议关注未来 Torch 升级后 cuBLAS 对 SM120 的原生支持。