sgl-project/sglang

kill_process_tree 默认等待回收，修复 GPU 资源泄漏

值得精读，尤其是 `kill_process_tree` 的语义变更和进程生命周期管理逻辑，对理解 SGLang 的进程模型和资源清理有重要参考价值。

为 DeepSeek-V4 CP 启用 Mori A2A 后端

该 PR 值得精读，因为它展示了一个最小化、聚焦的后端启用模式。值得关注的设计决策包括：将门控放宽在 hook 和模型侧两处同步修改，以及在不改动核心逻辑的前提下信任 Mori 与 DeepEP 路径的一致性。若后续要扩展其他后端，可参考此模式。

修正 GLM-5.3-Flash 文档 flag 并补录 GSM8K 数据

建议精读。作为『文档参数与代码枚举同步』的典型样例，NEXTN 已被 EAGLE 取代但文档曾滞后，导致配方不可启动；条件式 `verificationStatus` 表达已验证组合范围的方式值得在 cookbook 其他页面推广。合并后建议排查仓库内是否还有其他页面残留 NEXTN，并关注 H100 0.70 显存占比对长上下文用户的实际影响。

重构 server_args 选项注册与别名，环境门控移至 parser 构造期

该 PR 值得精读的点在于两种模式：用 bound method 别名消除样板 wrapper（如 add_load_format_choices = LOAD_FORMAT_CHOICES.extend），以及把环境门控从 import 期推迟到使用期并配以 parser 级测试。对维护大型 argparse 注册表的项目有直接借鉴价值；对只关注推理功能的读者，本 PR 无推理路径改动，可略读。合入前建议确认 CI Extra 失败原因。

radix_cache 测试夹具改优雅关闭，修复 H200 CI GPU 未空闲失败

实现机械，无需逐文件精读，但值得快速浏览 PR body 的根因分析和统一替换模式。对于维护多 GPU 测试夹具的工程师有参考价值：服务器进程应统一采用“先 SIGTERM 等待、再 SIGKILL 兜底”的关闭方式，让 CUDA context 在用户态释放，而不是把显存回收留给驱动异步处理。建议关注 wait_timeout=60 与 idle 门控 30 秒的取值关系，以及该模式后续是否应推广到 radix_cache 目录之外的其他多卡测试套件。

VLM 预处理池按路径动态调 worker 数

建议精读。该 PR 是“用真实测量驱动默认值决策”的典范：同一份代码在 H200 与 GB300 上得出相反的并发结论，最终以路径区分取代无条件默认。同时暴露并修复了 deepcopy 时机、闭包方法绑定、AST 审计等并发细节陷阱，对维护多模态推理栈的工程师有很高的借鉴价值。值得重点关注 `base_processor.py` 的路径决策函数与 `executor.py` 的懒克隆设计。

修复 Q8KV8 稀疏预填充测试夹具

值得快速浏览，了解测试夹具与后端重构的耦合关系。建议关注后续是否还有其他测试需要类似调整。

修复 adaptive 投机解码启动崩溃并削减 CUDA graph 内存

值得精读。该 PR 展示了三个可借鉴的设计决策：① `max_decode_logits_rows()` 从「单宽度静态定容」改为「遍历全部 candidate 宽度取最大值」，消除配置解析与 buffer 分配之间的不一致；② warmup hook 必须从 capture 实际使用的 backend 解析，任何依赖 `model_runner` 全局状态的捕获逻辑在 adaptive 多 runner 场景下都不可靠；③ 利用 CUDA caching allocator 按 stream 分区 graph pool segments 的特性，通过进程级共享一条 capture stream 让后续 pass 复用前次留下的 inactive scratch，这是理解 CUDA graph 内存复用的关键机理。建议后续跟进两个点：共享 stream 的串行前提是否有运行时断言保护，以及 IMA 修复是否值得补一个端到端 GPU 回归用例。