sgl-project/sglang

停止 ROCm 7.2 PR 自动触发 CI

内容明确、改动单一，可直接合入。对关注 AMD CI 流程的人员有参考价值。

更新 AMD 本地 registry 地址并移除旧镜像作业

PR 变更简单直接，适合快速合并。建议合并后监控一次 AMD CI 运行确认新 registry 正常工作。

新增 Triton MoE 融合门控内核，替换 CUDA JIT

值得精读的 PR，尤其是 Triton 内核的迭代 top-k 选择策略和 PDL 用法。在采用前应关注数值回归问题，并确认模型准确性。设计上融合了正确性、性能和可维护性，但模型级测试的缺失是当前主要薄弱环节。

支持 Krea-2 Cache-DiT 加速并动态检测 CFG 模式

推荐阅读此 PR，它展示了如何将一个新模型家族（Krea-2）优雅地接入缓存系统，并通过运行时参数解决模型变体间的 CFG 差异问题。设计决策（动态探测 vs 静态注册）值得借鉴，尤其是解决蒸馏模型缓存无效的通用思路。

NPU GLM-4.7 MLA 与 MoE 融合算子和配置优化

**不推荐当前状态合并**。需先修复 reviewer 指出的两个 `NameError` 问题，并补充测试覆盖 Context Parallel 和 `q_lora_rank` 为 None 的场景。PR 的融合算子思路正确，但实现安全性和完整度需加强。

默认禁用 DSR1 prefill CUDA graph 以修复 13% 性能回退

可快速合并，该 PR 直接解决已验证的性能回归，代码简洁且测试充分（CI 已通过）。建议后续考虑 reviewer 建议，进行通用化改造，但非当前阻塞项。

实现对 Quark W4A8 MXFP4-FP8 量化方案的 AMD 支持

此 PR 值得精读，特别是设计师处理不同量化检查点布局时的思路。关键决策包括：将 per-expert 加载器分离到独立文件、使用环境变量控制内核布局、在自动检测中添加新方案而不破坏现有逻辑。偏好精度测试应尽快补充非 nightly 的冒烟测试以提高 CI 覆盖。

NPU 上支持 DeepSeek V4 Flash MTP 推理

建议对所有文件进行仔细审查，尤其是 `ascend_dsv4_backend.py` 的 multi-step draft backend 实现和 `dsv4_allocator.py` 的状态备份机制。这些设计可复用于其他平台的多步推测解码场景。PR 虽大但模块化较好，值得精读以理解 NPU 上 DSV4 speculative decoding 的全链路。