sgl-project/sglang

修复 fa3 EAGLE draft-decode page_table scatter OOB

值得合并与精读。本 PR 修复了一个隐蔽的静默内存损坏 bug，展示了 cuda-graph 元数据构造中一个微妙的维度不匹配问题。建议关注：1) `cache_loc` 切片与 `page_size == 1` 分支的对齐设计；2) 始终启用断言作为安全网的做法；3) revert 开关的注册方式，这是一种低成本 A/B 调试基础设施。

新增 Apertus2509 工具调用与推理块解析器

该 PR 设计思路清晰，遵循了现有解析器框架的扩展模式，是添加新模型格式的良好范例。建议阅读 `apertus2509_detector.py` 和 `reasoning_parser.py` 的源码，了解如何集成 tool call 与 reasoning 解析。对于需要支持相似自定义格式的开发者，该 PR 提供了可复用的模式。

清理 trtllm_mla backend 中冗余的 init_mha_chunk_metadata 方法

可直接合并，改动清晰、风险低。但建议作者简单说明为何原冗余定义中参数不一致，以便他人理解历史背景。

调大 KL 散度阈值修复测试 flaky

变更简单直接，无需精读。可作为测试稳定性维护的参考案例。

优化 Gemma4 H200 MoE 与 extend attention 性能

推荐精读。尤其注意 kernel dedup 设计方法和 BF16 精度分析。对于 Gemma4 部署有直接收益；对编写数值稳定的 Triton kernel 有参考价值。

新增 ngram decode 专用快速更新 kernel

值得精读，展示如何通过简化 kernel 假设实现数十倍性能提升。尤其关注 review 中对 int64 溢出的讨论——这是一个在长上下文场景中容易被忽略的缺陷。

启用 Cohere2MoE NVFP4 快速 MoE 路由

值得精读：该 PR 展示了如何通过枚举对齐和参数传递解锁后端能力，是跨模块集成的典型范例。开发者可关注 RoutingMethodType 与 flashinfer 上游的同步策略。

在cookbook中更新Xeon CPU支持信息

建议阅读该 PR，特别是 `disabledWhen` 和 `condition()` 的设计模式，展示了如何优雅地组织硬件依赖的 UI 选项。同时注意交叉检查多个模型页面的一致性，确保命令参数的准确性。