sgl-project/sglang

为扩散模型 benchmark 工具添加混合分辨率请求支持，提升测试真实性。

该 PR 值得精读，特别是 `RandomDataset` 中的权重采样实现和 per-request 参数传递的设计，展示了如何扩展 benchmark 工具以支持多样化负载。关注点包括：权重采样算法（`random.choices` 的使用）、接口变更（`generate_batch` 从字典到列表）的处理、以及混合分辨率下像素吞吐量的正确计算方式。

优化 fused_softcap 内核，使用 libdevice.tanh 提升数值精度并支持 2D 非连续张量。

该 PR 值得精读，特别是关注如何将 1D 内核重构为 2D 以支持非连续张量，以及使用 libdevice 函数提升数值精度的设计决策。建议结合 Triton 文档理解 libdevice.tanh 的实现和性能特性。

重命名 PrefillAdder 构造函数参数以提升语义清晰度。

该 PR 变更简单直接，主要价值在于提升代码可读性。建议快速浏览以了解参数语义的澄清，无需深入分析。对于新接触调度模块的开发者，可关注 `PrefillAdder` 中 `num_mixed_decode_tokens` 参数如何影响剩余 token 预算的计算逻辑。

扩展 /rerun-test 命令以支持多模态生成测试的定向重新运行。

此 PR 值得 CI 基础设施维护者精读，重点关注 `resolve_test_file` 函数中的路径解析设计决策，包括多模态目录的集成方式、错误处理机制以及如何平衡新旧测试路径的兼容性。

修复 py-spy 在 ARM 设备上因 `--native` 标志导致的转储失败问题。

该 PR 变更简洁明了，是典型的平台兼容性修复。对于核心开发者，值得快速浏览以了解调试工具的改进；对于一般工程师，无需深入研读。可以关注其“优雅降级”的设计模式：通过循环尝试不同参数来增强鲁棒性，这种模式在跨平台工具函数中值得借鉴。

修复推测解码采样内核在数值边界条件下返回无效 token ID 的问题。

**建议精读该 PR**，重点关注： 1. **设计决策**：如何通过哨兵值 `d` 和 `last_valid_id` 来优雅处理“未采样到 token”的边界情况，这是一种典型的防御性编程模式。 2. **CUDA 内核编程细节**：review 中关于共享变量初始化和修改的线程安全讨论，对于编写高性能 GPU 内核有借鉴意义。 3. **外部参考**：与 flashinfer 实现的对比，体现了跨项目学习的最佳实践。

为扩散模型GT生成CI工作流添加自定义输出文件夹名称支持，提升灵活性。

该PR值得CI/基础设施维护者精读，以了解如何参数化CI工作流和配套脚本。关注点包括：环境变量与输入参数的联动设计、默认行为的保持策略、以及发布脚本的参数化重构模式。对于核心模型开发工程师，可快速浏览以知悉CI能力扩展。

更新 NPU 卸载文档，明确 sharded_gpu 模式仅支持 tp=1 dp>1 配置。

该 PR 变更简单，仅涉及一行文档更新，无需深入精读。对于关注 NPU 卸载功能或并行配置的开发者，可留意 `sharded_gpu` 模式的限制说明，但无复杂设计决策需要关注。