sgl-project/sglang

修复混合线性注意力后端在Ngram推测解码时因缺失topk属性导致的崩溃。

该PR值得快速浏览以了解推测解码中注意力后端配置一致性的设计模式。重点关注从运行时动态访问改为初始化时静态配置的架构权衡，以及如何通过统一配置源消除类型依赖。

移除FlashInfer GDN解码与no_buffer调度策略的不兼容限制，并在SM100+上默认使用FlashInfer以提升性能。

建议技术管理者关注此PR，因为它展示了如何通过外部库修复移除性能限制，并智能设置默认值以优化用户体验。工程师可精读`_handle_linear_attn_backend`函数中的条件逻辑，学习硬件和配置检测的设计模式。

扩展MoE对齐内核以支持最多4096专家，突破1024限制。

建议技术管理者关注此PR，因其涉及核心MoE组件的功能扩展。工程师应精读v2内核实现，学习两级warp扫描设计决策，并重点检查竞争条件和专家上限问题的修复。同时，参考测试文件以验证正确性。

修复扩散模型加载多精度检查点时因重复权重文件导致的不一致性问题。

建议工程师精读transformer_load_utils.py和weight_utils.py的变更，重点关注如何处理重复精度变体的设计决策，以及快速失败检查的实现细节，以学习确保加载确定性的最佳实践。

通过引入转录适配器框架，移除ASR模型硬编码检测，提升可扩展性。

此PR值得精读，尤其是TranscriptionAdapter的设计和注册机制，展示了如何通过适配器模式解耦模型特定逻辑，是良好的软件工程实践。关注点包括适配器抽象基类的接口设计、resolve_adapter的匹配逻辑，以及如何平衡扩展性与性能。

修复Whisper模型输入特征未正确转移到GPU设备导致的运行时错误。

该PR值得快速浏览以了解设备同步问题的典型修复模式。重点关注：1)如何确定正确的目标设备；2)review中提到的更稳健设备获取方案为何未被采纳；3)可结合#22038理解延迟设备转移机制的背景。

为扩散模型 NVFP4 量化矩阵乘法添加 B200 GPU 正确性测试。

对于技术管理者，建议关注 CI 资源扩展和测试有效性，确保 B200 运行器可用性；对于工程师，该 PR 值得精读以学习量化正确性测试的设计模式，尤其是 DeepGEMM 式数值比较和尺度交织处理，可作为类似硬件特定测试的参考。

重构自动基准测试单元测试至模块化目录，修复 CI bug 并重新启用测试覆盖。

建议负责测试基础设施或自动基准测试的工程师精读此 PR，了解新的测试组织结构和共享辅助函数的设计。重点关注 `AutoBenchmarkTestCase` 基类的使用方式，以及如何通过模块化拆分提升可维护性；同时，留意避免路径硬编码的最佳实践，以优化 CI 环境中的测试执行。