sgl-project/sglang

为 CPU 引擎引入平台抽象层

该 PR 是精心设计的预备基础设施，值得精读。关键设计决策（架构分支、内存查询契约、`empty_cache` 实现权衡、分布式后端选择等）有清晰的文档注释。对于计划为其他设备添加平台类的开发者，参考 `CpuDeviceMixin` 和 `CpuSRTPlatform` 的实现模式和测试方法非常有价值。

重新应用 PR#23862 的 head_dim 赋值逻辑

该 PR 是团队在 head_dim 赋值策略上的反复，目前恢复到 PR#23862 的方案，并附带单元测试。建议阅读 `model_config.py` 中的 `_derive_model_shapes` 方法与新增测试文件，理解 shape 派生与回写的设计决策。

Laguna模型新增per-element输出门控

本PR值得精读，尤其是如何通过配置规范化（将布尔值归一化为字符串）简化下游逻辑，以及通过参数验证提前捕获配置错误的设计模式。对于模型驱动的开发团队有参考价值。建议关注 review 中关于类型兼容性和测试取舍的讨论。

修复 MXFP8 FlashInfer CUTLASS scale 选择错误

该 PR 值得精读，尤其是关注 MXFP8 量化后端的开发者。它展示了如何通过简单拆解条件分支来修复细微的 scale 选型错误。设计决策清晰：每个后端各自维护其所需的 scale 变量，避免统一误用。

折叠 EAGLE return_hidden_states 回归测试到 spec triton 套件

建议阅读 `SpecHiddenStatesKit` 和夹具扩展的模式，这是一种典型的测试混合类设计，可用于减少 CI 资源浪费同时保持测试强度。对于需要类似回归清理的测试可参考。

统一 bench seed 默认值并重命名 profile 参数

本 PR 为低风险的机械性清理，可直接通过。若团队有依赖默认 seed=1 的自动化基准测试，需注意结果可能微变，但通常 42 更规范。建议在后续 PR 中进一步统一其他参数名称（如 `result-filename` 等）。

为Gemma4添加DFlash推测解码支持

值得精读该 PR，尤其是 dflash_worker_v2.py 中的采样逻辑改动：如何优雅地处理不同类型 LM head（有/无 shard_indices），以及测试脚本如何通过 `/server_info` 校验 spec 配置和 acceptance length。建议后续类似功能的实现可以遵循这种模式。

trtllm_mha 后端移除 CPU seq_lens 同步，提升推测解码性能

**值得精读**：该 PR 清晰地展示了一个通过设备端计算替代主机端同步的经典优化案例。设计决策（静态上界、设备端保护、Python 包装器）和 review 中的讨论（eager 路径同步移除）都很有参考价值。对于理解 SGLang 注意力后端的同步模型和推测解码优化很有帮助。