sgl-project/sglang

修复Whisper模型输入特征未正确转移到GPU设备导致的运行时错误。

该PR值得快速浏览以了解设备同步问题的典型修复模式。重点关注：1)如何确定正确的目标设备；2)review中提到的更稳健设备获取方案为何未被采纳；3)可结合#22038理解延迟设备转移机制的背景。

为扩散模型 NVFP4 量化矩阵乘法添加 B200 GPU 正确性测试。

对于技术管理者，建议关注 CI 资源扩展和测试有效性，确保 B200 运行器可用性；对于工程师，该 PR 值得精读以学习量化正确性测试的设计模式，尤其是 DeepGEMM 式数值比较和尺度交织处理，可作为类似硬件特定测试的参考。

重构自动基准测试单元测试至模块化目录，修复 CI bug 并重新启用测试覆盖。

建议负责测试基础设施或自动基准测试的工程师精读此 PR，了解新的测试组织结构和共享辅助函数的设计。重点关注 `AutoBenchmarkTestCase` 基类的使用方式，以及如何通过模块化拆分提升可维护性；同时，留意避免路径硬编码的最佳实践，以优化 CI 环境中的测试执行。

修复 NPU 上 Qwen3.5 视频处理器因超过8维 permute 导致的执行失败。

建议 NPU 开发者和多模态功能维护者仔细阅读此 PR，重点关注维度处理逻辑和 review 中的修正点，以学习硬件适配策略和代码重构模式。对于涉及视频预处理或 NPU 优化的工程师，此 PR 提供了有价值的参考。

为CI测试作业设置无限内存缓冲，解决模型加载超时问题。

该PR变更简单直接，无需精读。值得关注的是CI环境中流式加载器的内存缓冲调优模式，可作为类似性能问题的参考。对于基础设施团队，可了解如何通过环境变量优化大型模型加载测试。

降低GPT-OSS 4GPU测试的准确度阈值，减少CI误报。

该PR变更简单直接，无需深入精读。值得关注的是其基于数据的阈值调整方法：通过分析历史运行数据（40次调度运行）确定合理阈值，可作为类似测试稳定性优化的参考案例。

修复 Blackwell 上 resume 时因 inference_mode 导致的崩溃

值得快速合并的低风险 bugfix。对于维护者，可关注后续是否有其他涉及 inference tensor 的类似场景。

修复HiCache备份方法返回类型不匹配导致的TypeError，确保写回模式下的父节点先备份约束。

该PR值得精读，重点关注：1. write_backup方法中write_back参数如何区分不同备份模式下的检查逻辑。2. evict方法中write_backup返回值的处理如何避免断言失败。这些设计决策体现了对缓存一致性约束的精细控制。