sgl-project/sglang

更新 IB 设备格式的文档与 CLI 帮助

此 PR 是典型的功能文档补全，建议阅读以了解 PD 分解中 IB 设备配置的三种格式。但需注意文档可能超前于实现，建议结合关联 PR #26114 一并审查验证逻辑是否已适配。

PP 并行 DeepGEMM JIT 编译显著缩短启动时间

该 PR 设计清晰、讨论充分，值得精读。重点关注： - 如何将 PP 串行编译变为并行：利用 `kernel_warmup` 在每个 rank 独立执行 dummy forward。 - Batch size 的推导方法：基于 GPU SM 数和 block_m 的启发式，覆盖 n_splits 范围。 - 对 `_dummy_run` 的重构：引入 `forward_mode_override`，使生成模型也能触发 EXTEND 路径，并修复了原逻辑对 `is_generation` 的依赖。 - 兼容 PD 分解和 DSA prefill CP 的细节处理。

启用FlashInfer GDN MTP验证于SM100+

建议关注 gdn_flashinfer.py 中 _mtp_bf16_adapted 函数的适配技巧（中间状态切片、A_log float 转换），以及测试文件如何通过抽取公共参数和工具函数降低重复代码。该 PR 设计简洁，适合作为跨硬件后端子类化的参考案例。

禁用全量 CI 手动触发的跨任务快速失败

值得关注 CI 流程的演化，但本身技术含量低，普通工程师阅读即可。

将11个旧文档页面的模型用法移植到 cookbook

值得精读，展示了大规模文档迁移的完整流程和审核实践，尤其适合需要合并整理知识库的场景。

手动全量 CI 运行启用完整并行度

该 PR 是小而有效的 CI 改进，建议合并。对于 CI 维护者，该逻辑值得参考，作为扩展 CI 并行度控制的模式。

回退 spec v2 topk>1 树形 draft 支持，修复默认行为破坏

阅读者应关注此 revert 背后的测试覆盖率不足问题：原始 PR #26866 的 CI 状态为 ❌，仍被合并，导致默认行为破坏。建议加强 speculative 模块的自动化测试，特别是 topk>1 与 spec v2 的组合场景。回退本身逻辑清晰，值得参考的是 `fill_bonus_tokens` stride 参数的修正——用 `accept_index.shape[1]` 而非 `speculative_num_draft_tokens` 是导致 topk>1 错误的根本原因之一。

修复 LoRA 分块请求槽位遗漏

值得阅读以了解 LoRA 调度中的分块请求处理陷阱。虽然代码改动极小，但反映了状态同步容易遗漏的典型场景。