sgl-project/sglang

在 Intel XPU 上启用 Gemma 4 系列模型

**建议精读**：`xpu_backend.py` 中的 SWA 页表翻译设计和 `gemma4_fused_ops.py` 中的路由融合 kernel，这两个是 XPU 后端适配混合注意力模型的关键创新。整体架构清晰，改动自包含，值得参考。**值得关注的决策**：将 fused QKV RMSNorm 断言放宽为 `is_cuda or is_xpu` 并依赖 Triton JIT 的设备无关性，以及通过 `fuse_scale` 将 scale 折叠进 norm.weight 减少 kernel launch。

sgl-router 从配置文件驱动改为纯 CLI 标志驱动

值得精读，特别是 CLI 设计原则（互斥、条件校验、类型驱动验证）以及从 serde 迁移到 clap 的平滑过渡。对设计 Rust CLI 应用有参考价值。

跨TP同步sidecar命中，SWA预取全或无

值得精读 `unified_radix_cache.py` 中打包 all_reduce 的设计模式，可复用至其他 sidecar 组件。`swa_component.py` 的全或无逻辑可作为类似“原子预取”实现的参考。但需关注 review 中遗留的 `pool_storage_result` 保护问题和 sidecar 顺序假设，建议后续修复。

为 trtllm_mha 启用 spec_v2 draft-extend CUDA graph

值得精读。本 PR 展示了在复杂推测解码路径中启用 CUDA graph 的完整思路：白名单控制、metadata 语法适配、合理精简 graph 内部计算量以避免浪费，以及对应的测试合约更新。对于理解 speculative v2、TRTLLM backend 以及 CUDA graph 的正确使用很有参考价值。

修复混合MLA模型预填充崩溃，委托init_mha_chunk_metadata到全注意力后端

建议精读此 PR，特别是 `init_mha_chunk_metadata` 的委托设计。虽然修复简单，但揭示了后端接口不一致的隐患，值得在后续重构中统一。同时，可扩展测试覆盖到其他 MLA 后端（TRTLLM、CuteDSL），并在委托逻辑中增加参数适配。

恢复 Gemma 4 cookbook 中 transformers 提交锁定

可直接合并。该修复简单且关键，避免用户因缺少 pin 而遇到模型加载失败。

自动同步 LMSYS 博客卡片到首页

该 PR 为日常文档维护，无需重点关注。

修复 blog 同步 CI 的 PR token 权限问题

简单且必要的 CI 修复，对齐了仓库的已有最佳实践，值得快速合入。