sgl-project/sglang

添加SGLang CUDA崩溃API日志记录功能，用于调试LLM和扩散内核调用边界。

建议技术管理者和工程师精读本PR，重点关注以下方面： - **设计决策**：`python/sglang/kernel_api_logging.py`中的装饰器实现，如何集成环境变量控制和dump生成，值得学习可配置调试系统设计。 - **代码优化**：自动推断op名称的机制，减少手动维护，展示Python装饰器高级用法。 - **review洞察**：讨论中的命名约定和类型友好性改进，提供了软件工程最佳实践案例。

为Qwen3-MoE模型添加预填充阶段的上下文并行支持，显著降低长序列推理延迟。

建议技术管理者和工程师精读此PR，重点关注CP设计决策、通信优化和性能权衡。对于从事并行推理开发的团队，该PR提供了上下文并行的实现案例，值得借鉴其模块化设计（如`cp_utils.py`分离工具逻辑）和review中的技术讨论（如allreduce组选择）。同时，注意未解决的风险（如通信开销）和后续重构任务。

重构Ngram类架构，提取共享代码并支持match_type参数，为可插拔缓存后端铺路。

该PR值得精读，特别是关注设计决策如避免模板而采用包装器模式，以及如何提取共享代码以支持可插拔后端。对于从事speculative decoding或缓存系统开发的工程师，建议仔细审查重构后的类结构、测试覆盖和参数传递逻辑。

放宽对 fork PRs 的 /rerun-ut 命令权限，允许有写权限的用户触发单元测试重运行。

这是一个小但重要的 CI 基础设施变更，对于负责 CI 流程的工程师值得快速浏览，以理解权限管理策略。关注 `handle_rerun_ut` 函数中的安全检查和撤销多余代码的决策，同时考虑采纳 review 中的代码风格建议以提升可维护性。

修复Z-Image模型在torch.compile下的RMSNorm回退问题，显著提升推理性能。

建议工程师精读此PR，重点关注`layernorm.py`中fp32路径的条件分支设计，以及`rmsnorm_onepass.py`中自定义操作注册的用法，这些是优化torch.compile下Triton内核稳定性的有效模式。对于管理决策，可视为针对特定模型的高回报性能修复。

允许仓库写权限用户在任何PR上使用/rerun-ut命令。

PR变更较小，逻辑清晰，值得快速review以确认权限检查逻辑和错误处理的正确性。关注GitHub API集成部分，确保在API调用失败时有适当的降级或日志记录。

添加融合Triton内核优化normal_decode_set_metadata，提升解码性能。

建议技术管理者和工程师精读此PR，关注Triton内核设计中的优化技巧，如分块处理、掩码使用和专用路径平衡，以及输入验证的最佳实践。

修复多个图像扩散模型的准确性问题，通过对齐官方实现和修复序列并行偏差。

建议扩散模型开发者和维护者精读此PR，特别是qwen_image.py和zimage.py中的序列并行处理设计，以及USPAttention的扩展实现，以学习多GPU下注意力机制的优化策略和对齐官方实现的技巧。