sgl-project/sglang

泛化混合 SWA MTP 草稿池路由，去除架构特定判断。

该 PR 值得精读，尤其是 kv_cache_configurator.py 中的泛化条件重构，展示了如何将架构特定逻辑提炼为通用元数据驱动的模式。建议关注 `is_hybrid_swa_mtp_draft` 与 `draft_swa_full_capacity` 的判定逻辑，以及 `pool_configurator.py` 中如何从 `mtp_local_layer_ids` 推导 `_draft_swa_full_layers_num`。后续应补充针对非 Inkling 混合 SWA 模型的专用测试。

请求级 beam search：列式 member-row 架构支持超宽 beam

值得精读。重点看三处设计：coordinator.py 的 select/commit 双半边拆分（overlap 下如何保持 tensor 侧无 D2H）、fork.py 的 share-on-fork KV 与 group 级去重释放、batch_tail.py 的列式行布局与剥离。评审对 admission 错误处理「fail-fast 而非 skip」的结论也值得借鉴。阅读时建议搭配 test/registered/unit/beam_search 与 test/manual/beam_search 负载测试，理解资源账目与 retract 边界。

修复 _is_compiling 导致 dynamo 追踪崩溃

该 PR 值得精读，因为其根因分析展示了 import 顺序如何影响 dynamo 追踪，以及如何通过简单的 import 改写避免。对于维护涉及 torch.compile 与动态 import 的开发者有参考价值。

sglang-kernel 声明 PyTorch ABI 依赖，修复版本组合不兼容。

值得阅读，虽是简单元数据修改，但解决了真实的安装兼容性问题，并且为其他平台（CPU/ROCm/MUSA）提供了分平台声明依赖的参考。

为 sm_107 调优自定义 allreduce v2 性能

建议阅读该 PR，了解如何针对新 GPU 架构调优通信内核的启发式阈值和块数。值得关注的设计决策包括：使用 CUDA 次要版本区分架构（sm_107 与 sm_100 同主版本），以及通过 `mc_blocks` 字典管理不同 world size 的 multicast 块数。对于需要支持新架构的开发者，这是一个可作为模板的范例。

新增 CUDA 13.4 容器与 nightly 流水线，初步支持 Rubin sm_107

值得容器与 CI 基建团队精读。该 PR 展示了在一项硬件工具链尚未正式发布时如何搭建「可用优先」的构建栈：预览源引导、公共 NCCL 回退、C++ 标准参数化、三大 wheel 内联重编、cutedsl 架构降级，这些 trade-off 与『同层清理预览源而非 apt pin』等细节都值得借鉴。对应用层工程师价值有限，可只关注 nightly-cu134 镜像的可用性与 flashinfer 冷启动的注意事项。

优化 spec decode 分配路径的 tensor 标量读取

值得精读，作为性能优化微基准的示例，展示了如何通过批量转换避免张量标量调度开销，同时保持逻辑等价。可关注后续是否补充基准数据。

降低 AWQ Marlin MMLU 测试阈值至 0.80

该 PR 价值较低，但值得关注其背后的测试稳定性问题。建议在后续工作中考虑对评测结果进行多次采样取均值，或使用置信区间来判断是否真正回归，而非单纯依赖单次阈值。