sgl-project/sglang

为 Intel XPU 补齐 prefill-only 模型测试覆盖

值得精读。推荐关注三点：一是 cross-encoder 数值敏感性的技术权衡——为何 bf16 下融合内核的归约顺序差异会导致超出 1e-2 容差，这是选择 attention backend 与 dtype 的关键依据；二是 decoder-only rerank 的分数提取方法（yes/no token logprob 转概率比）；三是 classification 测试中"概率比较优于原始 logits 比较"的稳定性设计，以及 review 中显存双占问题的修正过程。

AMD CI 作业名展示真实 ROCm 版本，联动更新监控与失败报告

值得精读，尤其是对维护复杂 GitHub Actions 矩阵 CI 的团队。本 PR 包含三个可借鉴的设计决策：一是展示名与内部 id 解耦（id 保留 `-rocm720` 后缀稳定 needs 依赖，展示名携带可读的 flavor 与 runner 坐标）；二是规避 `wait-for-jobs` 的 `job.name` 前缀匹配陷阱并留下清晰的 commit 解释；三是展示名变更时的历史数据策略——"宁可丢弃、不可误映射"，用 `_filter_legacy_amd_job_rows` 独立于共享分析器做局部过滤，避免旧失败顶替新名字显示。搭配的单元测试虽然只有两个用例，但精准覆盖了过滤函数的边界行为。

限制滑动窗口 KV 循环下界，SWA prefill 提速 86.6%

值得精读。该 PR 是 Triton 内核循环界优化的教科书式案例：用 mask 条件反推 tile 下界、利用 constexpr 折叠保证非目标分支零指令差异，并以位级一致性、正反 A/B 顺序、编译产物对比和跨厂商复现构建了完整验证链。对 SGLang 内核维护者，建议把这种验证方法论沉淀为 SWA 内核修改的常规流程；后续若有人改动 SKIP_TILE 或循环边界，应先跑 PR 中记录的 91 组覆盖作为回归基线。

修复 Quark 门禁漏判尾部 MTP 层，恢复 GLM-5.2-MXFP4 共享专家融合

值得精读：改动虽小，但触及量化门禁的核心判别逻辑，且性能收益显著、无测试配套是明确的改进点。关注两个设计决策：一是把 draft 层识别收敛为 _is_draft_layer() 单一入口，与既有 MTP 层区间遍历逻辑保持一致；二是用 int(getattr(..., 0) or 0) 在赋值处统一归一 None，避免在多个使用点重复防御。建议后续补 _is_draft_layer 的单元测试。

修复 mini-lb 转发 flush_cache 的 timeout 参数，恢复延迟排空路径

PR body 值得精读：对"参数丢弃 → scheduler 立即 flush → KV 释放 → Mooncake 单次失败永久拉黑"的跨层根因分析是高质量排障范例，量化数据（12 次真实失败放大为约 1465 个请求失败，吞吐 2,039→9,994 tok/s）很有说服力。作者主动更正 PR 归因的严谨做法也值得参考。代码本身仅 8 行改动、阅读成本极低；管理上应跟进三个遗留项：#36152 的真实修复、Rust router 同缺陷、Mooncake 黑名单与恢复探针策略。

修复 NPU 转置批量矩阵乘超限崩溃，迁移 K3 配置

值得精读。重点关注 forward_mla_core_npu 的回退分支设计以及 review 中如何把 K3 专属参数泛化为通用 ServerArgs 参数。建议后续补充针对大形状边界的单元测试或 NPU 回归测试。