sgl-project/sglang

更新Ascend NPU的量化和CI文档，优化用户指南和开发流程。

建议技术管理者关注此PR以了解Ascend NPU平台的最新支持情况，工程师可参考更新后的文档进行量化相关开发。值得精读`ascend_npu_quantization.md`以获取详细支持矩阵，并注意review中讨论的文档优化点。

为Whisper模型启用CUDA图支持和时间戳功能，实现36%吞吐量提升。

该PR值得精读，特别是对于理解如何在编码器-解码器模型中集成RadixAttention以启用CUDA图支持，以及时间戳功能的实现细节。建议关注`whisper.py`中的交叉注意力替换和`cuda_graph_runner.py`中的捕获修复，这些设计决策对类似优化有参考价值。

优化共享内存指针类以支持多次pickle并推迟解包，显著降低多图像VLM推理的TTFT。

建议技术管理者和工程师精读此PR，重点关注 `ShmPointerMMData` 类的设计权衡，如序列化简化、内存管理策略（延迟解包与显式materialize），以及调度器中解包时机调整对分布式通信的优化效果，这些决策对高性能推理系统具有借鉴价值。

为 SGLang 添加覆盖层模型支持，扩展非 diffusers 扩散模型的加载能力。

建议工程师精读 model_overlay.py 以理解覆盖层解析的核心设计，关注 maybe_resolve_overlay_model_path 函数的实现，这涉及模型路径解析和缓存策略。

修复由 PR 21534 引入的 CI lint 失败，将 AccuracyTestParams 格式化为单行以通过 pre-commit 钩子。

该 PR 不值得精读，变更简单机械。关注点在于 CI 流程中的格式化工具交互和团队对代码风格的权衡决策。

修复 Flux2-Klein 模型提示词标记化长度从 77 改为 512，并添加回归测试。

推荐精读以了解如何修复配置继承导致的 bug。关注 tokenize_prompt 方法中硬编码 max_length 的决策，以及如何通过添加 text_encoder_extra_args 字段避免类似问题，对扩散模型开发有参考价值。

移除已弃用的FP8/FP4 GEMM环境变量，使用CLI标志替代配置。

对于技术管理者和工程师，建议关注向后兼容性迁移，确保用户文档已更新。该PR值得简要阅读以了解清理策略和配置演进方向，但无需深入分析复杂代码逻辑。

为 AMD MI35x 添加 GLM-4.7-FP8 GSM8K 精度测试的 CI 任务。

建议对 AMD 测试套件或模型精度验证感兴趣的工程师精读此 PR，关注测试配置、CI 集成方式以及 review 中的设计讨论。