sgl-project/sglang

新增Gemma 4 RMSNorm CPU内核，并扩展其他归一化内核支持3D输入，修复Xeon CI失败。

建议负责CPU内核开发或模型推理优化的工程师精读此PR，重点关注`sgl-kernel/csrc/cpu/norm.cpp`中的3D输入支持设计和`python/sglang/srt/layers/layernorm.py`中的条件调用决策，这些设计模式在优化CPU计算和平衡性能与健壮性时值得借鉴。

修复CPU内核中因果掩码逻辑错误，解决大序列输入时NaN问题。

该PR值得精读，重点关注因果掩码条件从`num_keys - n <= BLOCK_N`到`n + n_size - 1 > m`的设计变更，这揭示了块状注意力中处理未来键的通用模式。工程师应学习如何通过钳位last_col避免越界写入，并在测试中覆盖边界情况。

回退AMD GPU上的MXFP4量化模型支持，修复CI依赖安装失败。

该PR值得精读，以理解依赖版本不匹配如何导致功能回退的典型案例。关注点包括：1) petit.py中配置类的重构如何简化代码结构，2) petit_utils.py中的错误处理设计如何优雅降级，3) 配置文件的联动调整确保系统一致性。对于基础设施团队，可借鉴CI依赖管理的最佳实践。

为统一基数树组件添加HiCache钩子接口，支持缓存数据在设备、主机和存储间的传输管理。

该PR值得架构师和核心缓存模块开发者精读，重点关注`CacheTransferPhase`枚举的设计和钩子方法的职责划分。这些接口为分层缓存系统提供了清晰的扩展点，是理解SGLang缓存架构演进的关键。

修复解聚模式下首个请求携带 disagg_prefill_dp_rank 时因缓存未初始化而失败的问题。

该 PR 值得精读，特别是 `_resolve_prefill_dp_rank` 方法的调整，展示了缓存初始化与客户端参数处理的正确顺序，对于理解解聚模式下的请求处理流程有参考价值。

新增协调检查点预取功能，显著减少网络文件系统加载时的冗余 I/O，提升分布式训练加载速度。

该 PR 值得精读，特别是协调预取的设计（如后台线程、节点本地 rank 分配策略）和配置集成方式；关注 `weight_utils.py` 中的实现细节、环境变量配置和测试覆盖，以了解如何在分布式系统中优化 I/O 性能。

优化VLM CUDA IPC传输内存占用，避免非源TP rank创建额外GPU上下文。

该PR值得精读，重点关注`_reconstruct_from_ipc_extra`中设备索引重定向的设计，这是利用CUDA IPC P2P特性避免额外上下文创建的关键技巧。同时，内存池按worker均分的策略展示了如何平衡总预算与并发性，对设计类似共享资源池有参考价值。

在夜间CI测试中新增Gemma 4系列模型评估项，替换旧版Gemma 3测试。

该PR变更简单直接，适合快速浏览以了解CI测试模型的更新情况。值得关注的点是：1) 模型测试套件如何跟进上游模型发布；2) 性能阈值基于实际运行数据调整的实践。但无需深入分析源码逻辑。