sgl-project/sglang

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。

为satyamk7054用户添加CI权限，允许其触发CI测试和重试失败任务。

这是一个简单的权限更新PR，无需深入阅读代码。对于技术管理者，可以关注CI权限管理的规范性和安全性；对于工程师，了解CI权限配置方式即可。

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）。

添加LoRA CSGMV内核离线自动调优，收缩内核性能最高提升3.24倍。

建议工程师精读此PR，特别是配置加载器和内核修改部分，以学习性能调优的设计模式和回退机制。技术管理者可关注跨模块调优框架的扩展可能性。

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。

修复stop_token_ids包含null时服务器崩溃问题，过滤None值防止下游torch.tensor异常。

该PR值得快速浏览以了解防御性输入验证的模式。虽然变更简单，但展示了如何处理JSON null值在Python中的传播问题。关注点： 1. 从提交历史看代码如何从复杂实现简化为最终简洁版本。 2. review中提到的未修复的类似漏洞（stop和stop_regex）值得后续关注。