sgl-project/sglang

为 NPU 适配 MiMo-V2.5-W8A8，添加量化配置回退和测试覆盖

该 PR 变更虽小，但展示了在量化配置兼容性处理上一种简洁的 fallback 模式，值得类似场景参考。新增的集成测试配置完整，可作为 NPU 模型新适配的模板。建议在类似量化路径重构时考虑更统一的错误处理。

XPU 启用可分段 prefill CUDA 图

值得精读。该 PR 展示了如何通过 `get_device_module()` 实现设备无关的图形捕获原语，设计模式清晰。对于关注多硬件适配或 Intel XPU 推理的开发者有直接参考价值。

修复 CPU 上 MXFP4 权重的 padding 尺寸

值得合并，修复明确且简洁。建议后续增加针对 MXFP4 + CPU AMX 的回归测试。

保留自定义op边界的注意力 LSE 以支持分段前缀 MHA

此 PR 实现了 FullCG 中 LSE 传递的关键机制，是 Chunked-prefix MHA 功能的基础。建议相关开发者精读 `radix_attention.py` 中的操作注册和 forward 逻辑。值得关注的设计决策是将 LSE 操作作为独立注册操作，避免破坏现有接口。

修复 grammar 约束推测解码时停止边界错误

建议精读。本 PR 虽小，但揭示了在多重停止条件下正确确定完成边界的通用设计问题，且 review 中关于 Future 守卫的讨论体现了对生命周期不变量的深刻理解，值得参考。

并行化 VLM 多模态预处理并支持自定义工作线程数

## 推荐意见 - 该 PR 设计稳健，性能收益显著，建议合并。 - 值得深入阅读 `executor.py` 中线程本地克隆的实现，以及 review 中安全性改进的流程。 - 对于部署了多模态模型的团队，推荐启用此功能（默认即开启），并根据实际负载微调 `--mm-processor-worker-num`。 - 建议后续增加监控指标，便于调优。

Grammar 约束解码与推测解码 verify 阶段重叠，消除 GPU 空闲气泡

值得精读。设计思路（将 CPU 工作移到 GPU forward 窗口内）和实现细节（异步 D2H + CUDA event + pin-memory barrier）是高性能推理系统的典型技巧。代码改动清晰，注释详尽，适合作为性能优化的参考案例。

修复 MiniMax-M3 在 ROCm 上因字段不可解析导致的启动崩溃

推荐快速合并。这是一个针对特定硬件（ROCm）和模型（MiniMax-M3）的启动崩溃修复，变更量小、风险低、已验证。开发者在为模型添加覆盖声明时，应注意检查所声明的字段是否已标记 resolvable=True。