sgl-project/sglang

修复MLA吸收路径在分段CUDA图中因key/value为None崩溃

值得精读，特别是理解分段 CUDA 图（PCG/BCG）与 MLA 吸收路径的交互。设计上保持与非分段路径的兼容性，但缺少单元测试验证是一个风险。

修复FlexAttention掩码方法因绑定self导致跟踪崩溃

值得合入，属于低风险高质量修复。建议读者关注 `@staticmethod` 在避免意外闭包捕获方面的设计模式。

修复 FlashAttention DRAFT_EXTEND_V2 缓存范围错误

值得精读。该 PR 展示了注意力后端中缓存范围元数据的精细语义差异，特别是 DRAFT_EXTEND_V2 中 seq_lens 与有效缓存长度不一致时的正确处理方式。设计决策如 per-request 求和取最大值而非简单双 max 求和，体现了对偏斜分布的考量，值得在其他注意力后端实现中参考。

修复 FlashInfer SWA/交叉注意力路径遗漏 deterministic 参数

建议合并。该 PR 修复了一个隐蔽的确定性保证缺陷，改动量小，风险低，且作者已通过内部 SWA 模型验证了修复效果。

修复CI中FA3的CUDA Graph捕获顺序导致的IMA

建议精读。本 PR 展示了如何通过环境变量 + 后端检测条件性地调整 CUDA Graph 捕获策略，修复一个难以排查的内存越界问题。设计上避免了 test 依赖混入生产代码，值得参考。

重写JIT kernel benchmark框架，替换triton.testing

建议精读此PR，尤其是`marker.py`中`do_bench`的实现和`parametrize`的pytest风格设计。它为CUDA kernel benchmark提供了一套可复用的轻量方案，值得其他项目借鉴。`bench_qknorm.py`的迁移展示了如何大幅简化代码。

适配 DotsVLM 与 transformers v5 API 变更

建议合并。变更简单、风险低，解决已知的兼容性问题。未来可考虑在多模态 processor 基类中统一处理此类版本兼容逻辑，减少重复适配工作。

支持FlashInfer Cute-DSL MLA解码后端，Blackwell性能提升约18%

值得精读，尤其注意workspace隔离的设计模式和speculative decode的回退策略。对于Blackwell上部署MLA模型的团队，建议试用并关注后续FlashInfer优化。