sgl-project/sglang

为 MiniMax-H3 AdaLN 在线重建添加分层缓存，减少重复请求的检查点读取延迟。

该 PR 值得精读，特别是分层缓存设计和权重更新安全钩子。关键决策包括：组级 LRU 而非计划级 LRU（因为重建传递流式所有层），主机同步保证 rank 一致性，以及通过 `BaseDiT` 钩子实现模型无关的验证。适用于需要高吞吐的多调度部署场景。

为 MiniMax-H3 的 SubBlock 稀疏注意力添加 SM120 GPU 支持。

该 PR 值得精读。它是一个结构清晰、风险可控的硬件功能扩展，展示了良好的软件工程实践：严格的架构门控、全面的测试（调度、依赖、数值）、详尽的文档和性能基准。其设计模式（懒加载、适配器函数、平台解析器分支）是处理类似硬件适配任务的优秀参考。关注点在于对新 FlashInfer 内核的依赖管理和配置要求的明确传递。

修复 NPU 平台上 Kimi K2.6 和 DeepSeek V4-Flash 的测试用例，优化预填充稳定性并同步至最新硬件配置。

本 PR 是一个重要的测试基础设施维护和同步工作，**值得 NPU 平台开发者和 CI 维护者精读**。它揭示了 SGLang 在 NPU 硬件上针对特定模型（DSV4-Flash）的性能调优已进入更精细的阶段（引入 war-barrier、调整内部分块策略）。变更本身风险较低，但通过阅读可以了解到： 1. Kimi K2.6 大上下文测试中的一个关键内存优化技巧（调整 `chunked-prefill-size`）。 2. DeepSeek V4-Flash 在 NPU 上从 ZBAL 迁移到 DEEPEP + war-barrier 架构的具体配置差异和参数选择（如 `mem-fraction-static`, `kv-cache-dtype`）。 3. 测试执行脚本如何集成硬件供应商的特定环境。

统一多组件加载器中的精度变体过滤逻辑，避免重复加载导致的非确定性行为。

该 PR 值得精读，其设计决策将重复精度变体过滤从各加载器中提取到共享层，是一个良好的架构改进。关键实现如 `filter_duplicate_precision_variant_safetensors` 的家族匹配逻辑和 `raw_candidates` 参数的使用值得学习。建议关注测试覆盖的全面性，尤其是边界情况（如精度变体索引、分片布局交叉）。

修复 BCG + SP 下 Qwen-Image 请求因掩码拒绝而失败的问题。

该 PR 值得精读，特别是对于关注序列并行、BCG 和扩散模型推理的工程师。 1. **关键设计**：`_forward_with_replicated_prefix` 中对掩码进行收集以匹配序列收集的逻辑，是处理 SP 下非均质数据（部分复制、部分分片）的典型模式，具有参考价值。 2. **测试方法**：`TestUSPAttentionMaskedReplicatedPrefix` 通过精确模拟集合通信（`fake_input_a2a`, `fake_mask_gather`）来验证分布式逻辑的正确性，这种测试模式值得借鉴。 3. **上下文**：建议结合近期与 `USPAttention`、`DynamicChunkSizer`、注意力后端相关的 PR（如 #37674, #37675, #37329）一同阅读，以理解 SP 和 BCG 在代码库中的整体演进方向。

在 diffusion 模块关键路径插入请求级 torch.profiler spans，提升 trace 可视化清晰度。

此 PR 值得精读，因为它展示了一种在不引入显著性能开销的前提下，为大型异步处理系统（调度器、流水线）添加结构化、请求级 profiling 信息的实用模式。`maybe_record_function` 的实现和在各关键路径的插桩策略可以作为类似的 instrumentation 工作的参考。

为 UNO 投机解码提供原生 SGLang 服务支持，实现无损推理加速。

这是一个高价值、高风险的 PR，值得技术负责人和相关工程师精读。它引入了一种新颖的、有潜力的推理加速算法，并进行了深度的系统集成。**精读重点应放在**： 1. **架构设计**：`UnoWorkerV2` 如何与现有调度器和投机解码框架交互，特别是重叠调度和 CUDA 图管理。 2. **关键实现**：`UnoCublasLoRABackend` 的 LoRA-A 重叠计算机制，以及 `uno_tree.py` 中的 GPU 原生树构建算法。 3. **采样正确性**：理解 `uno_utils.py` 中的采样路径（稀疏/稠密拒绝）及其与 EAGLE 路径的复用关系，注意与标准采样的分布差异。 4. **内存与调度契约**：`UnoDraftInput.prepare_for_decode` 如何管理 UNO 特定的页对齐内存分配，以及 `GenerationBatchResult` 中 `output_stride` 和 `non_draft_token_count` 的作用。 对于大多数工程师，**关注核心模块和测试**即可把握要点；对于深耕推理优化的工程师，深入内核和调度集成将极具启发性。当前的 CI 测试覆盖存在一个关键缺口（适配器未公开），这应在后续迭代中解决以确保生产稳定性。

NPU 平台文档更新，修正模型支持列表和功能状态。

该 PR 是一个标准的文档维护任务，值得快速审阅。它移除了可能引起困惑的过时模型支持信息，并统一了功能状态的表述，有助于保持文档的清洁和准确。对于关注 NPU 平台功能的团队成员，确认这些变更是最终状态即可。