sgl-project/sglang

文档版本号从 0.5.12 升到 0.5.15

无需精读，属于常规文档维护。值得注意的点是版本号提升跨度从 0.5.12 到 0.5.15，暗示中间有多个版本发布。

提取 speculative v2 Worker 公共代码至基类

值得精读。该 PR 展示了如何通过提取基类公共实现来消除大量重复代码，设计模式清晰，是 speculative 模块后续扩展的良好基础。对于需要实现新 speculative worker 的开发者具有直接参考价值。

机械重命名 num_tokens_per_bs 为 num_tokens_per_req

建议快速合并。该 PR 是纯命名改进，不引入行为变更，能提升 speculative 解码路径的代码一致性，值得合入。

自动化同步 LMSYS 博客卡片至首页

可直接合并，无需额外审查。对于关注文档准确性的维护人员，可快速浏览确认链接和内容正确性。

将固定内存可用性检查路由至平台抽象层

此 PR 值得精读，特别是涉及平台抽象接口设计的地方。设计决策（将钩子放在 DeviceMixin 而非 SRTPlatform）体现了单一职责和开闭原则，对后续 OOT 平台开发有参考价值。用例覆盖全面，测试边界清晰，可视为平台抽象层演进的良好范例。

新增 --default-chat-template-kwargs 服务级默认参数

值得精读。变更虽小（3 个文件、78 行），但完整展示了一个服务级默认配置的落地过程：单一共享入口注入 + setdefault 保证 per-request 优先级 + 对"字段被提前 pop"的时序陷阱做显式镜像。关注点包括：(a) _process_messages 作为唯一注入点的覆盖面；(b) reasoning_effort 被 _convert_to_internal_request 提前弹出的处理方式；(c) 配置校验放在 ServerArgs.__post_init__ 还是使用方 __init__ 的风格分歧（merrymercy 反对仍被合并）；(d) 测试只覆盖函数层，未覆盖 CLI 解析。对需要实现"服务级默认参数"的开发者是很好的参照。

修复 FA4 与 full prefill CUDA graph 的 page_size 冲突

可合并，变更简单且正确。建议后续增加测试覆盖该组合场景。

HiCache NIXL 后端支持混合模型

此 PR 实现了 NIXL 后端对混合模型存储的关键支持，设计上考虑了零拷贝安全性、per-pool 上下文独立性和 sidecar 键命名规范。值得关注的设计决策包括对齐检测条件、持久 bounce buffer 方向分离和 v2 接口的池感知逻辑。建议相关开发者仔细阅读 `hicache_nixl.py` 中的 `register_mem_host_pool_v2` 和 `batch_get_v2` 实现，以及 `memory_pool_host.py` 中的 `is_stride_page_aligned` 模式。对于生产部署，注意 dtype 风险尚未在 PR 中明确修复，需要后续跟进。