sgl-project/sglang

为 GLM-5.2 部署文档添加 NVFP4 量化选项，限定 B300/GB300

值得阅读 `_deployment.jsx` 的镜像键解析变更，这是一个从简单键到复合键的演进，提高了灵活性。GLM-5.2 页面的 cell 设计（TP4、EAGLE 参数等）也可作为 Blackwell Ultra 部署的参考。

为 Cosmos3 添加 CUDA cat/pad 快速路径，提速 ~2x

值得精读。重点关注 `causal_conv3d_cat_pad.py` 中的自定义 op 注册与 fake_impl 设计，以及 `parallel_conv.py` 中的 fallback 模式。该 PR 展示了 JIT 内核与 `torch.compile` 兼容的典型集成方案，对后续扩散模型优化有参考价值。

线性注意力加入ReplaySSM缓冲解码，HBM流量减半

值得精读，特别是 ReplaySSM 数学推导、CUDA Graph 安全设计、Radix 协调机制。对于部署 GDN/KDA 模型的组织是重要优化方向。

XPU 条件导入 hc_split_sinkhorn 支持

值得阅读，尤其是理解如何在多平台条件导入的权衡。设计上采用按需局部导入避免 tilelang 依赖，但 reviewer 对此有不同意见，可关注最终实现。

修复 CI 后 profiling 阶段误报 spec accept length

值得精读：展示了 CI 框架中一个典型的竞态/状态残留 bug，修复优雅且低风险。

修复 PP 下 KV 事件发布者绑定冲突

建议精读此 PR，理解分布式系统中初始化资源的竞态条件及修复模式。代码变更简洁、正确，是典型的多进程协调问题。

修复 PP 下固定 HiCache 容量不同步的问题

该 PR 值得合并，修复了 PP 下 HiCache 的一个潜在正确性问题。设计决策明确：使用 MIN reduce 确保所有 stage 容量不超过最小的 stage，与 device KV 容量同步策略一致。建议阅读 `sync_fixed_hicache_size` 函数的实现，理解其安全退避逻辑。

拆分 fwd occupancy kit 报告为性能与占用双表

值得阅读以了解如何组织测试报告，尤其对于需要设计 CI 可读报告的工程师。设计决策：将不同语义的指标分离到各自表格，并在断言前打印，提高调试友好性。这对后续编写类似测试报告有参考价值。