sgl-project/sglang

修复XPU平台DeepSeek-OCR测试在transformers 5.x下的导入错误。

该PR值得快速浏览，以了解transformers版本升级导致的兼容性问题及团队内的解决方案（通过get_tokenizer统一管理tokenizer加载）。关注点在于sglang.srt.utils.hf_transformers.get_tokenizer的设计，它封装了兼容性处理，可作为类似问题的标准做法。

更新AMD ROCm Docker镜像以支持Broadcom Thor2 NIC驱动和自动检测。

建议精读以了解AMD平台Docker镜像中NIC驱动的集成设计和自动检测机制。关注`docker/rocm.Dockerfile`中的case语句如何统一管理多种NIC后端，这对于基础设施团队在类似场景下的设计有参考价值。

为SGLang Diffusion添加原生CPU平台支持，实现纯CPU推理和优化绑定。

该PR值得精读，特别是关注CPUWorker继承设计和共享内存通信优化，这些设计决策展示了如何扩展平台支持并保持代码一致性。

将基数树缓存的工具函数重构为RadixKey类方法，提升代码封装性和一致性。

建议仔细阅读`radix_cache.py`中新增的`RadixKey`方法实现，特别是`match`方法中的bigram处理逻辑。这展示了如何将复杂的分支逻辑封装到类方法中，值得学习其设计权衡。对于涉及缓存系统的开发者，此PR是理解代码库演进的重要参考。

为推理模型添加可选的基数树缓存思考令牌剥离功能，以节省GPU内存。

建议精读此PR，特别关注`_cache_commit_len()`的设计决策和opt-in策略，它展示了如何在最小化变更下处理推理模型特有的缓存问题，代码改动集中且测试全面，是学习缓存优化和向后兼容性权衡的好例子。

引入预计算分隔符索引的Multi-Item Scoring优化，消除GPU扫描提升性能。

建议技术管理者和工程师精读此PR，重点关注： 1. 预计算索引的数据流设计如何消除GPU扫描，可作为高性能计算中减少同步的案例。 2. `pool_at_delimiter_positions`函数实现展示了如何批量处理变长索引并优化设备传输。 3. 讨论中的权衡决策，如边界处理、性能优化取舍，对类似优化有参考价值。

修复文档中 ACM-VIT 组织名称的格式，统一为连字符形式。

此 PR 变更非常琐碎，仅涉及文档格式统一，**无需精读**。对于技术管理者或工程师而言，没有值得关注的设计决策或实现细节。

为MLA FP8测试启用确定性推理，消除MGSM-EN分数波动导致的CI不稳定。

该PR是典型的测试稳定性修复，值得快速浏览以了解FP8和MoE模型中的非确定性来源及如何通过现有标志解决。关注点在于PR body中详细分析的根因（FP8反量化噪声和MoE专家路由非确定性）以及`--enable-deterministic-inference`标志的端到端支持机制。