sgl-project/sglang

修复CI中human-eval安装失败，通过固定setuptools版本为70.0.0。

这是一个简单的CI修复，对于理解setuptools版本管理和CI依赖问题有帮助，但无需精读。建议快速浏览以了解类似问题的解决模式，可作为CI配置优化的小技巧参考。

通过多进程并行编译JIT内核，将自定义AllReduce测试时间从300秒减半至150秒。

该PR值得精读，特别是多进程编译的设计决策和JIT内核标识符的调整。关注`_precompile_kernels()`函数的实现，以及如何平衡编译并行度和资源开销。同时，注意review中未处理的RuntimeError风险，建议在类似场景中采纳评论建议以增强代码鲁棒性。

移除FlashInfer wheel缓存清理逻辑，避免CI作业间版本冲突导致的重复下载。

此PR变更简单，值得快速审查以理解CI缓存策略调整，重点关注移除清理逻辑的权衡。建议阅读review评论，了解未解决的潜在问题，未来可能需补充wheel选择鲁棒性和磁盘清理机制。

修复 AMD 平台 gpt-oss 模型解码注意力 kernel 选择错误，提升 40% 性能。

该 PR 值得精读，因为它解决了一个显著的性能回归问题，且变更涉及核心注意力路径。工程师应关注 `forward_decode` 函数的修改，理解 kernel 选择机制，并考虑是否有类似问题存在于其他硬件后端或模型中。

更新ROCm Dockerfile中MoRI依赖从提交哈希到标签v0.1.0，影响构建过程。

该PR值得快速阅读以了解基础设施维护中的依赖管理实践。建议关注review中关于构建可重复性的讨论，这反映了在易用性和确定性之间的常见权衡，可用于团队最佳实践参考。

添加环境变量配置KV传输重叠槽位，提升解码吞吐量。

该PR变更聚焦于特定性能优化，实现直接，适合需要了解PD解聚模式KV传输机制的工程师精读。建议关注环境变量的使用场景和测试结果，以评估在生产部署中的适用性。

修复NPU MoE权重因维度不对齐导致的FRACTAL_NZ格式崩溃，优雅回退到ND格式。

对于NPU开发者和MoE模型用户，此PR值得精读，特别是_is_nz_aligned函数的对齐规则实现和npu_format_cast中的条件回退逻辑，这体现了硬件优化与兼容性的设计权衡。

修复NemotronH混合模型分段CUDA图捕获问题，提升推理性能约17%。

建议关心CUDA图优化、混合模型支持或向后兼容性设计的工程师精读此PR。虽然变更简单（仅2行代码），但展示了在处理多样化模型架构时的设计权衡，值得学习如何维护系统兼容性并优化性能。