sgl-project/sglang

修复 /v1/loads 端点切换 watching 模式后 include 过滤失效的问题。

该 PR 是重要的 bugfix，值得精读以理解 watching 模式下的客户端过滤模式。关注 `get_loads` 方法中的映射字典设计和 `watching_call` 中的引用捕获时机，这些是异步通信模式下的典型设计决策。

将 /v1/loads 端点的通信器模式从 queueing 改为 watching，防止并发请求超时。

该 PR 值得后端工程师和 SRE 精读，特别是关注高并发场景下的通信模式设计。关键设计决策包括：1) 将 queueing 模式改为 watching 模式以支持结果共享；2) 在 `watching_call` 中通过局部变量捕获和引用检查来优雅处理并发清理。建议结合代码中的注释理解竞态条件防护机制。

归一化工具消息内容从数组格式到字符串，修复GLM5.1等聊天模板问题。

建议工程师精读此PR，重点关注`normalize_tool_content`函数的设计决策，如如何通过检查`type == "text"`来区分文本部分和结构化列表，以及单元测试的全面覆盖，这对于处理API兼容性问题和消息格式归一化有借鉴意义。

修复 AMD ROCm 平台上 Mistral 3 注意力后端选择逻辑，避免误用 cuDNN 导致支持中断。

该 PR 值得精读，尤其是关注 `current_platform.is_cuda()` 与设备类型检查的结合使用，这是处理跨平台兼容性问题的典型设计决策。

将 AMD ROCm Docker 镜像中的 MoRI 依赖从 v0.1.0 升级至 v1.1.0。

该 PR 变更直接且范围小，适合快速浏览以了解 AMD 支持栈的依赖更新。值得关注的设计决策是**从编译时配置转向运行时自动检测**，这体现了对部署灵活性的重视。建议结合 MoRI v1.1.0 的发布说明（PR body 中已链接）深入理解新特性。对于不直接使用 AMD ROCm 镜像的工程师，精读价值有限。

在 ServerArgs 初始化前配置日志，确保日志时间戳格式正确。

该 PR 变更简单直接，适合快速浏览以了解日志初始化时机调整。值得关注的设计决策是使用 `force=True` 来确保日志配置在早期生效，避免因其他代码提前配置日志而导致格式不一致。

修复NPU上推测解码与XGrammar冲突，确保语法掩码正确应用。

此PR值得精读，尤其是`xgrammar_backend.py`中设备分支的设计决策和`torch_ops/bitmask_ops.py`的回退实现，展示了如何在多硬件环境下优雅处理特定设备问题。关注review讨论中关于函数位置和命名的权衡，这对代码组织有借鉴意义。

新增选项优化DP注意力模式下的控制请求广播，避免全局Gloo同步开销。

该PR值得精读，尤其是调度器中的广播逻辑调整，展示了如何通过细粒度通信优化解决分布式系统中的性能瓶颈。关注点包括：1. 配置选项的设计如何平衡兼容性与性能；2. 广播路径从tp_group切换到attn_tp_group/attn_cp_group的决策依据；3. 未来可扩展性，如是否支持其他并行模式。