sgl-project/sglang

避免FLA L2-norm按token数重编译

该 PR 值得精读，展示了 Triton 内核性能优化中避免过度特化的经典技巧（`do_not_specialize`）。对于维护 Triton 内核的团队，应评估是否有其他编译时常量（如序列长度、批次大小）可转为动态参数以降低编译开销。

用原生算子替换 torch.multinomial

值得精读，尤其是对 CUDA graph 兼容性和 Gumbel-max 采样技巧感兴趣的工程师。此 PR 展示了一个简单而有效的优化模式：用原生算子组合替代黑盒算子，以支持 graph 捕获。

回退 FlashInfer 0.6.15 升级

该 PR 是紧急回退，值得关注的是它揭示了 FlashInfer 版本升级需要更充分的性能回归测试。设计决策上，直接传递 activation 字符串而非枚举的方式降低了对 FlashInfer API 的耦合。

将cookbook中固定的nightly/dev镜像替换为:latest

建议合并该PR，因为它修复了读者操作失败的问题，清理了过时文档内容。但需要关注PR body中提到的验证清单，确保相关模型在:latest上可以加载。对于设计决策，值得关注的是统一标签策略和明确保留哪些范围，以及处理Nemotron3-Ultra时的权衡过程。

升级llguidance依赖至1.7.6并适配API

该 PR 值得精读，尤其是 `llguidance_backend.py` 中的适配模式：如何应对上游 API 删除单一属性改用集合属性的变化。对于维护依赖升级的开发者有参考价值。

提取 InputLogprobProcessor 并迁移 logprob 处理逻辑

推荐阅读该 PR，特别是： - 如何通过依赖注入（`get_logits_fn`）解耦 lm_head 的调用。 - 如何在不改变行为的前提下安全地从大类别中提取职责。 - 机械验证方法（AST 等价性检查）可作为重构的参考实践。

同步 sglang-kernel 版本至 0.4.5

建议关注 CI 结果，确认所有测试通过后再合并。本身无需精读，可作为自动化依赖更新的参考案例。

修复 rotate_input_ids kernel 注册名

建议精读。该 PR 虽小但涉及 kernel 注册的正确性，值得快速合并。