sgl-project/sglang

NPU MTP warmup 因 padding token 维度不匹配崩溃修复

值得合入，修复明确且验证充分。review 中的建议（使用 `forward_batch.batch_size`）可作为后续优化参考，但不影响当前正确性。

NPU FIA 算子多批处理优化，替代逐序列循环

建议阅读该 PR，了解 NPU 注意力优化如何利用 CANN 多 batch 特性。关注 fia_mask 硬编码问题，后续可能需要提 PR 修复。设计决策——用 TND 布局替换 BSND 并处理 padding——值得参考。

修复 NPU 推测解码中 mrope_position 竞态条件

值得精读。展示了异步流竞态修复的典型模式：在等待流同步后重新计算依赖值，并正确同步到 CUDA graph buffer。对理解 speculative decoding 中的流管理和 CUDA graph 缓冲有参考价值。

NPU 启用 Qwen3.5 前缀缓存支持

PR 改动简单明确，建议直接合并。有兴趣了解 NPU 端 mamba 调度策略演进的人员可以关注后续针对 NPU 的测试文档更新。

修复确定性推理未禁用 FlashInfer allreduce 融合的问题

该 PR 值得合并，修复了重要的回归问题。建议阅读其设计思路：通过提前设置强制禁用标记来拦截模型特定调整逻辑，是一种简洁且健壮的模式，可推广到类似场景。

修复目标/草稿隐藏层大小不匹配时的推测解码崩溃

值得精读，特别是对推测解码内部形状管理的分析。展示了如何诊断和修复一个 phase 边界上的形状问题。建议关注 decode 与 extend 阶段不同形状处理的决策逻辑，以及未来可能的清除计划。

修复非 NVLink 场景下 CUDA graph 捕获崩溃

这是一个高信号、低风险的 bugfix，建议尽快合并并 cherry-pick 到涉及 PR #24363 的版本分支。对于 `sglang` 的定制通信层开发者，`capture()` 的 guard 模式值得参考，以确保 future 的类似 `disabled` 分支保持一致。

修复 SUM_LEN 模式下 reduce_scatterv 合约错误

建议精读该 PR 以理解 DP reduce_scatterv 生产合约的关键设计思路。这是一个典型的生产合约 Bug，修复逻辑清晰但影响重大，值得作为分布式推理中通信合约设计的案例研究。