sgl-project/sglang

修复PP+HiCache L2崩溃并引入pp_sync同步机制

值得精读，尤其是 `_pp_sync` 在调度器层面实现PP同步的设计模式。关注 `_reap_completed_async_work` 的异步管理技巧，以及 `writing_check` 中基于PP rank的条件处理。对于使用PP+HiCache的团队，建议及时合并。

注册 #27338 到 pr_fix_toggle 逆向开关

该 PR 变更简单明了，建议合并。对于关注 EAGLE speculative decoding 和 CUDA graph 稳定性的开发者，可了解该 revert 机制及其对应 PR #27338 的修复内容。

修复 fa3 EAGLE draft-decode page_table scatter OOB

值得合并与精读。本 PR 修复了一个隐蔽的静默内存损坏 bug，展示了 cuda-graph 元数据构造中一个微妙的维度不匹配问题。建议关注：1) `cache_loc` 切片与 `page_size == 1` 分支的对齐设计；2) 始终启用断言作为安全网的做法；3) revert 开关的注册方式，这是一种低成本 A/B 调试基础设施。

新增 Apertus2509 工具调用与推理块解析器

该 PR 设计思路清晰，遵循了现有解析器框架的扩展模式，是添加新模型格式的良好范例。建议阅读 `apertus2509_detector.py` 和 `reasoning_parser.py` 的源码，了解如何集成 tool call 与 reasoning 解析。对于需要支持相似自定义格式的开发者，该 PR 提供了可复用的模式。

清理 trtllm_mla backend 中冗余的 init_mha_chunk_metadata 方法

可直接合并，改动清晰、风险低。但建议作者简单说明为何原冗余定义中参数不一致，以便他人理解历史背景。

调大 KL 散度阈值修复测试 flaky

变更简单直接，无需精读。可作为测试稳定性维护的参考案例。

优化 Gemma4 H200 MoE 与 extend attention 性能

推荐精读。尤其注意 kernel dedup 设计方法和 BF16 精度分析。对于 Gemma4 部署有直接收益；对编写数值稳定的 Triton kernel 有参考价值。

新增 ngram decode 专用快速更新 kernel

值得精读，展示如何通过简化 kernel 假设实现数十倍性能提升。尤其关注 review 中对 int64 溢出的讨论——这是一个在长上下文场景中容易被忽略的缺陷。