sgl-project/sglang

为MiniMax-M2.5模型添加DP注意力支持及相关通信优化，提升高吞吐场景性能。

建议精读`minimax_m2.py`中的`forward_normal`和`forward_prepare`方法，关注DP注意力支持的设计和通信优化标志的集成。同时注意review中关于零令牌处理和分布式正确性的讨论，这些是分布式推理系统的关键设计点。

修复stop_token_ids包含null时服务器崩溃问题，过滤None值防止下游torch.tensor异常。

该PR值得快速浏览以了解防御性输入验证的模式。虽然变更简单，但展示了如何处理JSON null值在Python中的传播问题。关注点： 1. 从提交历史看代码如何从复杂实现简化为最终简洁版本。 2. review中提到的未修复的类似漏洞（stop和stop_regex）值得后续关注。

启用Inductor水平融合优化，减少GPU内核数14%，提升推理效率。

建议工程师精读configure_inductor方法，学习如何条件启用编译优化以避免副作用；关注设计决策：将配置集中化并添加条件控制，体现了模块化设计思路。

优化推测解码中Mamba跟踪索引计算，用张量操作替代循环提升性能。

建议关注此PR作为性能优化案例，特别是如何将循环操作转化为张量索引。对于深入理解推测解码和Mamba集成的工作机制，此变更值得精读。同时，可对比schedule_batch.py中的类似实现，学习代码复用模式。

修复 attention tp 中 symmetric memory 创建问题，确保 RowParallelLinear 和 llama 模型正确使用对称内存。

该 PR 值得精读，特别是对于从事分布式并行和内存优化的工程师。关注 linear.py 中 symmetric memory context 的选择逻辑，以及参数传递的设计决策，从中学习如何在复杂系统中处理条件分支和避免过度更改。

为扩散模型添加模型技能添加组件准确性指南，明确测试配置的覆盖率处理流程。

该PR是文档更新，无需精读代码逻辑。建议相关开发者（尤其是负责扩散模型测试配置的工程师）阅读新增的指南部分，以了解组件准确性覆盖的最佳实践。关注点在于文档中列举的三种场景及其处理方式，这有助于在未来的测试配置工作中避免常见陷阱。

统一多模态组件准确性测试至 run_suite.py 入口点，简化 CI 工作流。

建议 CI 工程师和测试团队精读此 PR，重点关注 `run_suite.py` 中组件准确性套件的设计决策（如文件级分区与项目级分区的权衡）和 CI 工作流的更新模式，以借鉴如何集成特殊测试需求到统一运行框架中。

修复MiniMax M2.5模型在TP=16时因KV头复制导致的RMSNorm权重分片错误，解决重复输出问题。

该PR值得精读，特别是对于处理TP配置与模型头数不匹配场景的工程师。关注点包括： 1. 头复制感知的权重分片设计，借鉴了QKVParallelLinear的成熟模式。 2. 防御性编程实践，如添加assert和边界检查。 3. 方差归约逻辑的修正，展示了TP下归一化的常见陷阱。