sgl-project/sglang

新增稀疏token嵌入覆盖功能，允许在指定位置注入预计算嵌入向量。

建议工程师精读此PR，了解如何设计稀疏嵌入覆盖API，以及内部如何集成到tokenization、调度和模型执行流程。特别关注前缀缓存和CUDA图的处理机制，以避免性能退化，并学习PositionalEmbeds数据结构的应用。

为Qwen3-VL模型添加EAGLE3推测解码支持，提升推理性能。

建议技术管理者关注此PR作为多模态模型性能优化的一部分。对于工程师，值得关注set_eagle3_layers_to_capture的默认层选择策略，以及forward方法中aux_hidden_states的处理方式。虽然变更较小，但涉及核心推理路径，建议结合EAGLE3相关代码一起理解。

延迟导入flash_attention_v4模块，消除服务器启动时的日志噪音和性能开销。

该PR值得快速浏览，特别是对于关注启动性能优化和代码组织模式的工程师。关键设计决策是将重量级导入延迟到实际使用点，这是一个常见的Python优化模式。建议关注flash_attention.py中的实现方式，以及如何平衡导入开销与代码清晰度。

增强Ngram推测解码的多SAM支持，修复错误处理并添加全局token预算管理。

推荐精读此PR以学习推测解码中多SAM管理的设计模式，特别是预算实施、错误处理和并发边界条件。关注cpp_ngram/ngram_corpus.py中的预算跟踪逻辑和tokenizer_communicator_mixin.py中的结果聚合方法。

使用UV工具加速NPU CI环境中的pip安装，安装时间从4分钟缩短至1分40秒。

对于技术管理者，此PR展示了CI基础设施优化的一个实例，值得关注以提高团队效率；对于工程师，除非直接维护NPU CI脚本，否则无需精读，但可借鉴uv工具的集成方法。

为扩散模型RL后训练新增模块化Rollout Log-Prob引擎，支持SDE/CPS/ODE策略。

建议技术管理者和扩散模型开发者精读此PR，关注其模块化设计、混合模式集成以及序列并行兼容性的实现细节，为类似功能扩展提供参考。

为check-stage-health CI动作添加lint检查失败快速失败机制，提升CI效率。

该PR值得CI/基础设施维护者精读，特别是关注跨工作流状态查询的实现方式。虽然变更规模较小，但展示了在GitHub Actions中实现跨工作流协调的实用模式。建议关注checks.listForRef API的使用细节和错误处理机制。

新增GLM-5.1 FP8夜间测试并更新Qwen3.5模型配置，扩展大模型测试覆盖。

该PR值得关注，特别是对于负责CI测试和模型验证的工程师。建议精读test_glm_51_fp8.py中的并行配置变体设计，以及DP-attention在Qwen3.5测试中的集成方式，这反映了项目对多GPU并行策略的测试演进。同时，注意提交历史中的回退操作，了解模型命名一致性的重要性。