sgl-project/sglang

NPU 通信量化特性文档补录

可快速合入，无需精读。若需要了解 NPU 通信量化特性，可参考原始 PR #20520 的实现细节。

添加 routed_experts_start_len 参数，支持路由数据绝对切片控制

值得精读。该 PR 展示了如何通过一个简单的小参数消除多轮推理场景中的线性瓶颈，设计思路清晰：在数据采集点引入切片控制，从源头减少不必要的 gather 和序列化。对于其他类似的数据收集（如 logprobs、hidden states）也可参考此模式。

添加 MiniCPM-V 4.6 多模态模型支持

该 PR 结构清晰，目标准确，适合作为多模态模型集成的参考范例。建议仔细审阅视觉 Transformer 实现中的 MiniCPMV_ViTWindowAttentionMerger 设计（包含 CPU 端索引构建以避免 PyTorch 2.10+ 设备检查），以及配置类的 _build_text_config 回退逻辑。由于缺少自动化测试，合并后应尽快补充单元测试和集成测试。

支持 Intern-S2-Preview 多模态模型

该 PR 是 SGLang 添加新模型的典型范例，结构清晰（继承+注册），推荐开发者阅读以了解模型集成流程。可重点关注配置文件、路由注册和多模态处理器的修改模式。

统一 DSV4 与 SWA 状态传输，删除冗余逻辑

值得精读：展示了如何通过消除冗余分支简化代码并修复隐式 bug。关注继承关系依赖和通用路径的兼容性保证。

优化 DSV4 MHC pipeline：融合 kernel、折叠 reduction、利用 DeepGemm

该 PR 展示了高性能 MLA 场景下的 kernel 融合策略，值得研究其折叠 reduction 和使用 `triton.next_power_of_2` 等技巧，但合并前应确保有端到端 benchmark 验证；对于 DSV4 用户，加速效果明显，建议优先合并。

修复 PD 引导失败时状态异常与属性错误

建议合入。该 PR 是典型的边界条件修复，改动量小且逻辑正确，经 review 确认可读。对于关注 PD 部署稳定性的团队，值得了解该修复以避免生产环境中的无声错误。

清理推测解码中的空闲存根和形状检查模式

值得精读以了解推测解码中空闲状态处理的正确模式。特别是 `create_idle_input` 工厂方法与裸构造函数的权衡，以及 `input_ids.shape[0]` 优于 `numel` 的理由。但需留意 review 中提到的 `MultiLayerEagleWorker` 潜在隐藏大小不匹配问题，建议跟进修复。