sgl-project/sglang

提升 Score API 查询占位符扫描并优化 PositionalEmbeds 堆叠

值得精读其设计权衡：如何通过提升不变计算和分派堆叠优化性能，以及保留更高层接口供测试调用的做法。

默认启用 spec v2 推测解码

该 PR 值得仔细阅读，特别是 `server_args.py` 中默认逻辑的设计和测试用例的配套调整。展示了如何将一个实验性特性平稳切换为默认，同时保留回退路径。对于使用推测解码的开发者，应了解新的默认行为和降级条件。推荐关注后续是否有针对 topk>1 支持的 PR。

统一 CI 中 Rust 与 protoc 安装流程

建议合并，该 PR 通过集中化脚本和版本锁定显著提升 CI 可维护性，值得作为 CI 标准化参考。

移除 DeepSeek V4 文档中过时提示

该 PR 无需深入阅读。作为常规文档清理，可以快速合并。

为 ModelExpress 添加 NIXL RDMA 传输后端

值得精读：展示了传输层抽象（通过 `transport` 配置分支）和数据契约（`WorkerMetadata` 的 oneof 设计）。建议合并后尽快补充 NIXL 路径的 CI 集成测试，以及验证不同量化模型的张量布局一致性。

修复 Qwen3PooledOutput 缺少 get_input_embeddings

推荐合并，这是一个简单的修复，应尽快合入以解除 score API 对 Qwen3 分类模型的阻塞。

MLX 后端实现解码异步重叠调度

**值得精读**。该 PR 展示了如何利用 MLX 的 lazy evaluation 特性设计高效的 GPU 流水线，是 Apple Silicon 推理性能优化的核心里程碑。`SchedulerMlxOverlapMixin` 中的链式调度设计（两图链、链中断条件、`async_eval` 与 `finalize` 分离）具有较高参考价值。后续可以考虑扩展到 prefill/extend 链以及更鲁棒的 KV 缓存管理。

扩增 CI 测试 runner 池至 H100 和 H200

推荐合并前与运维确认 `1-gpu-h100-h200` 标签已正确添加到对应 runner 池。本 PR 逻辑简单，不涉及代码逻辑变更，但引用了 #23505 的模式，值得团队在后续扩池时参考。