sgl-project/sglang

引入 HiSparse 机制，通过 CPU 内存存储空闲 KV 缓存，提升稀疏注意力模型的批大小和吞吐量。

建议技术管理者和工程师精读此 PR，重点关注 `HiSparseCoordinator` 的设计决策和 CUDA 内核的优化技巧。值得学习的包括高效的 GPU-CPU 缓存交换机制和 JIT 内核集成模式。对于部署，需验证配置兼容性并考虑添加测试覆盖。

修复 CI 中 cutlass 导入错误，恢复 nvidia-cutlass-dsl 强制重新安装。

这是一个简单的 CI bugfix，工程师可以快速浏览以了解 pip 依赖升级时的常见陷阱（如 .pth 文件问题），但无需深入分析。建议关注点在于 CI 脚本的依赖管理实践，但无重大设计决策值得精读。

启用ROCm上JIT内核支持，优化clamp_position和resolve_future_token_ids性能。

建议快速阅读以了解设备支持扩展的模式，特别是TensorMatcher设备选项的更新和Python入口点条件逻辑的简化设计；对于关注多平台支持的工程师，可注意未采纳的重命名建议，以改进代码可读性。

在diffusion测试中自动跳过缺少所需pipeline类的测试，提升CI稳定性。

该PR变更较小，工程师可快速浏览以理解CI优化逻辑，但无需深入分析代码细节。值得关注的是review中关于错误处理精确性的讨论，对于设计稳健的测试框架和异常处理机制有借鉴意义。

临时禁用 CI 中不稳定的 Qwen3-30B 上下文并行测试。

该 PR 变更简单，主要用于 CI 维护，不值得精读；但如需了解 CI 测试禁用机制，可关注 `register_cuda_ci` 函数的用法。

临时修复 FlashInfer 统一传输在 GB 平台导致数据损坏的问题。

该 PR 值得精读，尤其关注上下文管理器设计和平台检测逻辑，展示了临时工作区的优雅实现方式。建议工程师学习其异常处理和环境集成的最佳实践，同时注意临时方案的移除时间点。

扩展denoise latency解析逻辑以支持模型特定的DenoisingStage变体，提升benchmark兼容性。

该PR值得快速浏览以了解latency解析的灵活性改进。关注字符串匹配的设计决策，以及潜在的多匹配风险。

修复启用指标时非流式请求中止失效的bug，通过修补中间件保持ASGI receive传递。

推荐精读此PR，特别是`_PureASGIDispatch`的设计，以了解如何处理ASGI中间件的receive传递问题，并关注测试策略从集成到单元的演变，体现了优化测试效率的实践。