sgl-project/sglang

支持 ngram 猜测解码 v2，启用 overlap 调度

**值得精读**：此 PR 展示了如何将 ngram 猜测解码平滑融入现有的 spec v2 overlap 框架，设计决策值得学习，尤其是通过 Mixin 复用 EAGLE 的 pipeline、以及对非连续接受 token KV cache 的移动策略。关注点：`move_accepted_tokens_to_target_kvcache` 的语义、`max_tree_depth` 的动态推导。 **合并后建议**：跟进 `return_logprobs` 支持，并补充 NPU/AMD 测试。

新增 Zyphra ZAYA1 混合模型推理支持

该 PR 设计严谨，值得仔细阅读。重点关注 CCA 状态管理策略、MOD+TP 的混合运算顺序、以及 CCA 头并行实现。测试覆盖全面，为后续引入类似混合模型提供了可参考的范本。

搬迁 mHC 内核测试到标准注册目录

可直接合入。变更清晰、动机明确，且已通过 `1-gpu-h100` 的实际运行验证。建议未来注意避免向顶层 `tests/` 添加文件。

修复 NPU torch.compile 捕获的 monkey-patch 失效 bug

该 PR 值得合并，它是一个针对特定平台（NPU）的精确 bug 修复，修改简洁且安全。关注点：代码评审者应注意到 Python 导入语义的陷阱——`from module import name` 会创建本地引用副本，而 `import module` 允许动态属性访问。这种模式在需要支持 monkey-patch 的场景下尤为重要。

为 Blackwell GPU 实现在线 NVFP4 MoE 量化

值得精读此 PR，了解如何将加载时量化和运行时激活缩放结合。推荐关注 `NvFp4OnlineConfig` 的设计（复用 ModelOpt 布局）、环境变量控制排除层、以及通过 `temp_set_env` 临时覆盖量化底层数学的实现模式。

为 NIXL 分解控制逻辑添加 CPU 单元测试

此 PR 值得相关开发者精读，特别是其 FakeAgent 设计和 Mock 策略，可作为同类组件单元测试的参考模板。对于不影响分解模块的团队成员仅需了解已添加覆盖即可。

删除已废弃的文档部署工作流

无需精读。这是一个简单的清理 PR，可以快速批准。但对于关注 CI 成本优化和文档基础设施的团队，值得了解其背景。

重构 SGLang-Diffusion 文档，区分无损/有损优化并更新模型兼容表

对于**文档维护者**，值得精读本 PR 的分类方式和结构，特别是 performance-optimization.mdx 作为调优入口点的设计（区分无损/有损）以及 compatibility_matrix.mdx 的表格化管理方案。对于**开发者**，只需关注更新后的 CLI 参数和优化优先级。无需深入审查。