sgl-project/sglang

移除Ngram推测解码的窗口参数，改为匹配所有后缀以简化配置和提升匹配效率。

建议技术管理者和工程师精读此PR，重点关注C++中Trie::match函数的修改和默认值讨论，这些设计决策有助于理解Ngram重构方向。对于使用Ngram功能的用户，应查看更新后的文档以避免配置问题。

修复流式请求验证错误返回HTTP 200而非400的问题，确保与vLLM行为一致。

该PR值得精读，特别是对于处理OpenAI兼容API和流式响应的开发者。关注点包括：预启动生成器的设计决策、`stream_started`标志的使用以避免错误吞没，以及如何平衡错误处理与流式响应性能。

修复Qwen25模型流式多工具调用解析失败问题。

建议工程师精读此PR，关注解析逻辑中的错误处理模式和回退机制设计，这对于处理复杂格式的流式解析有参考价值，特别是涉及多工具调用场景时。

融合温度缩放与softmax采样内核，减少解码延迟。

建议工程师精读`fused_sampling.py`以学习Triton内核设计和自动调优策略，关注条件阈值选择和预热机制。性能优化显著，适用于性能敏感场景，值得作为内核优化案例参考。

在Trivy安全扫描中跳过Go标准库和NVIDIA工具目录，消除约500个不可修复的误报警报。

该PR变更简单直接，无需深入技术分析。建议关注点：1) 了解Trivy skip-dirs配置的使用场景；2) 注意基础镜像依赖带来的安全扫描噪音问题；3) 可作为类似CI配置优化的参考案例。

将多线程权重加载默认值从False改为True，提升模型冷启动性能。

该PR变更简单但影响默认行为，建议团队关注CI测试结果，确保无回归。对于深入理解模型加载优化，可结合Issue #12529中的其他改进方案（如Runai streamer集成）一起阅读。

为HiCache文件后端添加流水线并行（PP）键支持，扩展存储配置命名空间。

建议关注此PR作为HiCache支持流水线并行的第一步。虽然变更本身简单，但需要理解其在整个兼容性解决方案中的定位。重点关注配置后缀生成逻辑的变化，以及后续PR如何在此基础上构建完整功能。

将所有调用者从弃用的/get_server_info迁移到新的/server_info端点，清理API表面。

建议开发团队快速浏览此PR，关注API清理的最佳实践和弃用管理。对于新贡献者，理解如何管理端点弃用是有价值的学习案例。变更直白，无需深度技术分析，但值得参考以确保未来类似重构的顺利进行。