sgl-project/sglang

新增混合前缀 GSM8K 评估及 CPU 单元测试

值得精读。该 PR 展示了如何通过提取虚方法（`_setup_prefix_pool` / `_build_prefix`）在测试框架中实现模板方法模式，使得扩展不同前缀策略变得简单。单元测试也写得清晰全面，可作为测试驱动开发的范例。

为NPU扩散测试启用一致性检查并回退旋转嵌入优化

该PR展示了如何为特定硬件平台（NPU）配置测试基础设施，包括根据平台选择实现和测试配置，值得测试和基础设施团队关注。建议后续持续监控NPU旋转嵌入性能。

添加 NPU 上 MoE 权重更新时形状恢复逻辑

建议阅读此 PR 的 patch，理解 NPU 上 MoE 权重布局的特殊处理。对于维护 NPU 后端的开发者，这是一个重要的参考。

修复 NPU MTP 精度回归，涉及三个底层 bug

值得精读，特别是 `update_mamba_state_after_mtp_verify` 中 NPU 特有的 conv 状态重建与回滚策略，体现了硬件差异下的适配设计。建议关注后续 PR 是否在 CUDA 与 NPU 间推进公共抽象层。

修复 spec v2 停止边界，确保多 token 接受时输出正确截断

值得精读。展示了如何在推测解码中精确处理 stop 边界，以及如何通过精细化测试覆盖多种边界情况。特别关注 `_locate_str_stop_finished_len` 的扫描算法和 `trim_matched_stop` 中 `no_stop_trim` 的处理。

修复 CUDA Graph 输入缓冲区注册在非 CUDA 设备上的兼容性问题

本 PR 作为快速修复紧急 CI 故障是可接受的，但长期建议采纳 review 中的建议，使用更通用的设备检查以覆盖更多平台。

修复 Gemma4 NVFP4 MoE 默认 attention 后端为 triton

建议精读此 PR，特别是条件化默认后端的设计模式。值得关注的决策：使用 `getattr` 安全检测配置属性，以及缓存 `model_config` 对象减少重复调用。建议后续添加一个简单的回归测试，验证 NVFP4 MoE 模型默认使用 triton。

修复推测解码中 stop-string 检查漏掉早期匹配

值得精读。展示了在推测解码多 token 接受场景下保持停止条件正确性的通用设计模式：通过传播接受长度参数，使尾部字符串窗口能够覆盖整个接受 chunk。关注点在于使用默认参数保持向后兼容，这一实践值得在类似修复中借鉴。