sgl-project/sglang

撤销 H200/B200 夜间测试模型更新，恢复至先前配置。

该 PR 是一个简单的 revert 操作，建议快速审查以确保没有意外副作用，无需深入技术分析。但应关注是否后续有替代 PR 来解决原始问题，并监控 CI 稳定性。

迁移CI测试数据集从MGSM-EN到GSM8K，移除外部依赖并调整阈值。

建议CI维护者、测试工程师和关注模型准确性的开发者精读，重点关注阈值校准策略和依赖管理决策；对一般工程师，了解变更背景即可，无需深入代码细节，但可参考如何优化CI稳定性。

为FlashInfer TRTLLM路由MoE后端启用FP4量化支持。

对于使用MoE和量化特性的工程师，该PR值得精读以理解FP4路由MoE的实现细节；重点关注 `flashinfer_trtllm.py` 中的逻辑变更，以及如何集成新后端到量化配置中。

为多模态生成CI添加快速失败机制，提升PR测试效率。

该PR变更直接，适合快速审阅以了解CI优化策略。关注点：check-stage-health步骤的添加确保了环境检查一致性；pytest -x的引入体现了CI场景差异化设计（PR vs 定时运行）。

更新H200/B200夜间测试套件，移除旧模型并改用Qwen3.5 FP8权重。

建议测试和DevOps团队审阅此变更，以确保夜间测试覆盖仍满足质量要求。对于工程师，值得关注Qwen3.5 FP8权重和DP-attention变体的测试配置，可作为模型部署和性能优化的参考。

优化NSA索引器内核融合与内存拷贝，提升AMD平台推理性能。

该PR值得精读，尤其是对于关注AMD平台性能优化和内核融合技术的工程师。重点关注_update_rope_guarded的设计决策，它展示了如何通过内存地址检查避免冗余拷贝，这是一种在特定上下文中有效的优化模式，但需注意其依赖的假设条件。

新增DFLASH推测解码算法支持，扩展SGLang推理框架的推测解码功能。

建议工程师精读此PR，重点关注dflash_worker.py的核心逻辑和集成点（如model_runner.py中的辅助隐藏状态设置），以理解DFLASH算法在SGLang中的实现方式。值得关注的设计决策包括融合内核优化、验证掩码策略处理和非因果注意力模式适配。对于技术管理者，评估是否适合生产环境，考虑兼容性限制和性能收益，并建议进行额外基准测试。

通过固定模型版本修复AMD CI中Kimi-K2.5-MXFP4测试的权重加载失败问题。

该PR不值得精读，除非您负责AMD CI维护或Kimi模型集成。它只是一个简单的临时修复，设计决策单一（固定版本）。关注点在于团队如何处理上游依赖变更和CI稳定性，以及后续PR将如何解决根本问题。