sgl-project/sglang

修复H200 GPU上会话控制测试的CI稳定性，通过继承CustomTestCase并禁用CUDA图优化。

该PR值得快速浏览，重点关注其如何通过禁用CUDA图优化解决硬件特定数值差异问题。对于涉及会话控制或CUDA图优化的测试，可借鉴此方法确保计算路径一致性。

移除AsyncMMDataProcessor包装器，简化多模态数据处理逻辑。

建议工程师精读此PR，了解多模态处理器异步设计的历史问题和简化决策。特别关注llava.py中添加的超时实现，以及tokenizer_manager.py中直接调用异步方法的变更，以理解如何平衡设计简洁性与功能需求。

更新Ascend NPU文档，移除已弃用参数并添加Qwen3-235B模型长序列示例。

对于使用Ascend NPU平台的开发者，建议关注新增的Qwen3-235B长序列示例，以获取最新配置实践。PR本身为文档更新，无需代码审查，但文档变更值得验证以确保内容准确。

修复diffusion生成器中--prompt-path参数未消费的bug，确保优先从SamplingParams读取提示文件。

该PR值得精读，特别是_resolve_prompts方法中的优先级处理和错误逻辑设计，可作为参数解析和文件读取的范例。建议关注generate方法中sampling_params_kwargs的null安全处理，以及测试用例的完整性。

修复调度器中in-place暂停模式的内存泄漏问题。

建议快速浏览以理解调度器状态管理的设计决策：通过冻结状态而非重复逻辑来避免bug。这是一个简洁的bugfix，实现简单但设计值得关注，适合工程师学习状态一致性处理。

修复HybridMambaDecodeReqToTokenPool中effective_mamba_size计算错误，避免内存过度分配和CUDA OOM。

建议精读此PR，重点关注设计决策：如何平衡用户指定参数和内部预分配需求，以及通过min函数和警告处理边界条件的实践。对于涉及内存池和调度的开发者，此变更提供了参数验证的参考。

修复多GPU VLM服务中共享内存广播的竞态条件，避免FileNotFoundError崩溃。

该PR值得精读，重点关注条件barrier的设计权衡和共享内存处理机制。建议工程师查看scheduler.py中recv_requests函数的条件判断逻辑，理解如何平衡性能和正确性；同时关注mm_utils.py中的has_shm_features函数实现，学习如何检测共享内存特征以优化同步。对于技术管理者，可借此讨论分布式系统竞态条件预防的最佳实践。

重构 hisparse 组件，引入动态共享内存分配并调整调度逻辑。

此 PR 值得精读，尤其关注动态共享内存设计（SmemLayout 结构体）和调度逻辑隔离策略。建议工程师学习 CUDA 内核中内存对齐和动态分配的最佳实践，并注意 hisparse 启用时的 backend 配置要求。对技术管理者，可评估 hisparse 性能改进和风险缓解措施。