sgl-project/sglang

新增Qwen图像请求MRoPE快速路径

建议技术负责人关注该 PR 中的快速路径设计模式，后续为其他多模态模型（如 DeepSeek-VL）提供类似优化时可借鉴。当前代码缺少测试覆盖，建议补充新路径与通用路径的等价性测试。硬编码模型列表可重构为类常量以降低维护成本。

修复 DSV4 在 AMD GPU 上的运行时崩溃与 JIT 不兼容

推荐在 AMD 平台上部署 DeepSeek-V4 的团队仔细审查此 PR，特别是 JIT 内核的 HIP 兼容细节和 Triton fallback 的选择。对于未使用 AMD 的团队，可忽略此 PR。关于 rounding 不一致的问题建议与作者确认后续修复。

抑制 cutlass-dsl 噪音警告日志

值得精读，代码量小但展示了双层抑制警告的技巧（标准 filterwarnings + showwarning patch），对于抑制第三方库绕过滤器的警告有参考价值。

修复 DeepSeek-OCR GPU 解码 tensor 类型不兼容

值得精读。此 PR 展示了如何优雅地在一个关键路径上解决 PIL.Image 与 torch.Tensor 的兼容问题，通过类型受限的统一函数（`Union[Image.Image, torch.Tensor]`）避免散乱的条件判断，是处理多模态预处理中 GPU 解码类型不一致的范本。同时 review 中的性能建议（复用函数结果）反映了代码审阅的最佳实践。

TRTLLM MHA 后端支持 overlap plan stream

该 PR 改动极小，但反映了 overlap plan stream 调度架构对不同 attention 后端的接口要求。值得关注的是接口设计的一致性问题：如果未来其他后端也需要支持 overlap，应考虑在基类中添加抽象方法或默认空实现。建议精读相关调度器代码，了解 `update_verify_buffers_to_fill_after_draft` 的调用路径。

修复 tokenspeed_mla 预编译 kernel 数据类型

建议合入。此修复虽小，但修正了一个核心路径上的类型不匹配问题，有助于保障 FP8 MLA 推理的正确性和 debug 效率。若团队有 E2E 测试覆盖，建议运行确认无回归。

修复 Gemma4 MTP 三个初始化崩溃问题

此 PR 值得关注，它展示了处理模型初始化兼容性问题的典型模式： - 当子类跳过了父类的 `__init__` 时，需要显式设置父类依赖的成员变量。 - 对于 MoE 模型的 Dense 变体，需要安全处理 `num_experts` 缺失的情况。 - 硬件特定的自动后端选择应结合量化类型共同判断，避免对不支持的后端进行硬编码。建议其他模型后端自动选择逻辑也参考此模式。

为 MLA 模型添加预填充上下文并行支持

值得精读。本 PR 展示了如何通过精心的模块化设计，以最小改动复用 NSA CP 的大量基础设施（通信器、KV 收集、zigzag 分割），体现了 sglang 注意力层抽象的良好扩展性。尤其关注 `flashattention_backend.py` 中 `_mla_cp_attn` 的封装方式以及 `cp_utils.py` 中路由守卫的层次设计，是工程与算法结合的典型案例。