sgl-project/sglang

修复 DSA indexer 融合中 rope buffer 每层重复创建导致内存暴增

值得精读：这是一个典型的高内存泄漏修复案例，展示了将重复计算提取为跨实例共享缓存的模式。代码简洁，逻辑清晰，对理解 DSA indexer 的内存管理有参考价值。

修复张量子类的 dummy 权重初始化

值得合并，修复了低比特张量子类初始化的缺陷。建议后续可添加针对张量子类的单元测试，确保该类边界的正确性。

为调度器新增可覆写的指标初始化钩子

该 PR 设计简单直接，适合快速合入。值得其他模块参考的解耦手法：将 `__init__` 中可定制的部分提取为 protected 方法，提高子类扩展性而不破坏 Liskov 替换原则。建议精读 `init_metrics_collector` 和 `init_metrics_reporter` 两个方法的签名设计，对于未来需要自定义观测能力的场景很有价值。

引入顶层 session_id 作为稳定请求标识

值得精读，尤其是 session 身份与 session_params 解耦的设计，以及 radix session 隐式启用模式。注意兼容性迁移。

修复 FlashInfer A2A 在 CUDA graph 捕获时的分发逻辑

值得精读，特别是对于理解 CUDA graph 捕获与运行时 token 分发的交互。修改简洁但设计决策正确，可推广到其他类似的分发器实现中。

增强远程 GT 文件探测的鲁棒性

该 PR 值得精读，尤其是 `_remote_file_exists` 的重试逻辑和缓存设计。它展示了一个典型的“探测函数对瞬态故障不鲁棒”问题的处理模式，包括有限重试、指数退避、状态跟踪和正向缓存。代码改动量小但设计周到，适合作为测试工具健壮性改进的参考。

移除 DFLASH verify_don 自栅栏，依赖全局 WAR

值得精读，尤其是对 speculative decoding overlap 调度感兴趣的同学。该 PR 展示了如何通过移除重复的保护机制（自栅栏 vs 全局屏障）来减少 CPU 阻塞，同时通过依赖设备端流等待保持正确性。设计决策清晰——利用已有 `plan_stream.wait_stream(schedule_stream)` 传递依赖，避免额外添加。

升级 DeepGEMM 构建时 tvm-ffi 版本

值得关注其作为分步升级流程的一部分，体现了依赖版本对齐的工程实践。但本身不包含设计决策或深度技术内容。