sgl-project/sglang

默认启用 DeepGEMM PDL 优化

该 PR 值得精读，展示了如何通过环境变量默认启用底层库优化，并保持向后兼容性。但应注意 CUDA context 问题已在后续修复，建议阅读时一并参考 PR#27671。设计上采用了"安全导入 + 特性检测"模式，值得在其他类似场景复用。

测试中繁忙内存检查降级为安静模式

可直接合入，变更简单且意图明确。建议在日后 CI 调试时，若怀疑内存泄漏相关故障，可临时切换回 level 2 获取详细日志。

启用 spec topk>1 的 busy 内存检查

建议精读，涉及 speculative decoding 内存管理的关键不变检查，以及测试基础设施中 MRO 合并环境覆盖的可复用模式。修复的身份比较问题是一个典型的 dataclass 陷阱，值得注意。

支持 compressed-tensors WNA16 非对称权重量化

值得精读 dispatch 逻辑，了解如何与 vLLM 对齐。尽管测试被移除，但核心逻辑变更经过 review，且 kernel 路径有间接覆盖。建议未来在类似修复中保留最小单元测试。

修复 AMD CI 上 aiter 贪婪采样越界 token 问题

此 PR 值得快速合并。变更简洁、目标明确、风险可控。建议合并后跟踪 aiter 上游修复进度，待修复后移除该环境和相关测试变通。同时，建议根据 hubertlu-tw 的建议增强 `test_aiter_greedy_sample_amd.py` 测试覆盖，防止类似回归再次发生。

Gemma 4 cookbook 新增 Docker 安装说明

可直接合并。建议后续关注 Docker 镜像的更新频率，以及是否需要同步更新其他 cookbook 的 Docker 安装说明。

Mamba 预取长度截断至可用主机 KV 大小

值得关注，尤其是使用 HiCache + Mamba 模型的用户。设计上参考了 HiRadixCache 的做法，属于鲁棒性改进。建议精读 `prefetch_from_storage` 方法中的截断逻辑。

为 AITER fused_moe 添加可选 kwargs 和 no_combine 支持

建议快速合并。PR 设计清晰，测试全面。关键设计决策（functools.cache 特征探测、条件 kwargs 转发、空输入适配）值得其他 runner 参考。