sgl-project/sglang

为 Eagle 投机解码启用可中断 CUDA 图

该 PR 为 Eagle 投机解码解锁了 BCG 能力，是一个有价值的功能增强。虽然改动量不大，但设计上的一些决策（如 capture_hidden_mode 的三种模式、草稿工作器的延迟初始化）值得学习。建议架构相关工程师精读 breakable_cuda_graph_runner.py 和 eagle_utils.py 的改动。需要注意的是，当前缺少测试覆盖，合并后应补充针对草稿工作器 BCG 的集成测试。

修复 HiSparse C4 压缩时 out_loc 错误

建议合并。这是一个精确且低风险的修复，解决了 HiSparse 模式下 v2 压缩器的精度问题。变更仅 11 行，逻辑清晰，有精度 benchmark 佐证。

将 FutureMap 索引从环形缓冲区切换为请求池索引

此 PR 是消除一类重叠调度竞态的重要修复，设计思路值得借鉴——通过将临时槽位映射为具有语义的唯一标识符来避免错误。建议阅读 overlap_utils.py 的变更，理解如何通过统一索引根除整类问题。虽然缺少测试，但 CI 已全部通过，可以合入。合入后应关注重叠调度场景的稳定性。

支持 IGW 模式下 PD 与常规 worker 混合服务发现

该 PR 值得阅读，尤其展示了如何在不大幅新增 CLI 参数的情况下，通过组合现有参数实现功能扩展。同时代码中针对配置误用的告警机制也是良好的实践。对于需要部署混合模型路由的场景，这是一个关键的缺失填补。

为 dummy 权重初始化 hash topk 整数查找表

值得精读，特别是需要理解自定义初始化器与 checkpoint 加载顺序交互的场景。该 PR 展示了如何巧妙地在 dummy 模式下保障整数张量有效性的设计模式。

引入 DeepGemm wrapper 优化 BF16→FP32 GEMM 分发

建议合并。变更小、影响明确、review 后已修正。作者提供了性能数据且 CI E2E 测试通过。值得关注的是 `deep_gemm_wrapper` 的实现细节（位于 `sglang/srt/layers/`），未来可复用此模式统一其他 GEMM 分发。

修复分段预填充在批次非空时错误拒绝新请求

该 PR 改动小（+16/-2），但解决了关键性能问题，值得阅读源码以理解调度预算交互。特别关注 add_one_req 中的条件演变和 rem_chunk_tokens 的作用。

为 MLA 后端引入预填充 QKV 量化 hook 和 FP8 Triton 内核

建议阅读本 PR 的设计模式（扩展点 + 条件回退），这是将来统一 MLA 后端架构的基石。重点关注 `fp8_quantize` 内核的数值精度验证，以及确认在非 Blackwell 硬件上 PDL 能正确关闭。若团队计划长期维护 FP8 预填充，建议补充针对新内核的单元测试。