sgl-project/sglang

修复MUSA GPU的FA3 attention后端支持，集成MATE引擎并修复内核选择逻辑。

此PR值得精读，特别关注MusaFlashAttentionBackend的设计，它展示了如何通过继承和重写集成新硬件后端。建议工程师学习内核选择逻辑的移动（从运行时到初始化）以提升性能，并注意讨论中全球缓冲区和缓存管理的权衡，这些设计决策对多GPU和并发场景有重要启示。

预计算 FA3 scheduler_metadata 以消除每层 prepare_varlen_num_blocks 内核调用，提升解码吞吐量约 2%。

建议精读此 PR，重点关注 _compute_scheduler_metadata 方法的实现和 CUDA 图路径中的逻辑，以及 review 中讨论的滑动窗口注意力处理不一致问题。设计决策展示了性能优化与向后兼容的权衡，适合学习内核调用减少的技巧。

更新ModelExpress元数据API以支持基于SourceIdentity的新模式，提升分布式模型加载的鲁棒性。

对于涉及分布式模型加载、ModelExpress集成或远程实例权重加载的开发者，此PR值得精读，重点关注SourceIdentity构建的设计决策、API迁移的权衡，以及错误处理的最佳实践。同时，注意配置字段的正确使用，以避免潜在匹配问题。

添加用户 satyamk7054 的 CI 权限配置

建议快速合并，属于常规权限管理。此 PR 不做代码级别精读。

为MoE并行组禁用pynccl和custom_allreduce，显著减少GPU内存占用。

该PR值得精读，特别是对于关心内存优化和分布式通信设计的工程师。关注点：1. 如何通过禁用不必要通信器节省内存的设计决策；2. `all_reduce`方法中回退路径的守卫逻辑；3. 与历史PR中MoE相关优化的关联（如#21339）。

LoRA CSGMV kernel 离线自动调优

LoRA 调优对生产环境有显著收益，建议所有使用 LoRA 的用户关注此 PR。设计上复用了 MoE 调优的模式，是值得参考的框架扩展方式。特别关注 `lora_tuning_config.py` 的版本回退逻辑和最近邻 chunk 选择策略，可复用至未来其他 Triton kernel 的调优。

修复多层EAGLE草案扩展选择，并添加链式多层MTP测试。

建议工程师关注DraftBackendFactory的使用方式，以及测试中参数设置和错误处理的实现，对于维护推测解码模块有参考价值。

为MiniMax-M2.5模型添加DP注意力支持及相关通信优化，提升高吞吐场景性能。

建议精读`minimax_m2.py`中的`forward_normal`和`forward_prepare`方法，关注DP注意力支持的设计和通信优化标志的集成。同时注意review中关于零令牌处理和分布式正确性的讨论，这些是分布式推理系统的关键设计点。