sgl-project/sglang

修复会话中多模态输入的内存清除和偏移调整，恢复视觉会话测试。

建议工程师精读`session_controller.py`中的偏移调整逻辑和测试文件的变更，关注多模态输入在会话中的生命周期管理。

简化flush_cache逻辑，移除客户端重试，改用服务器端超时并拒绝并发请求。

建议技术管理者和工程师精读scheduler.py的改动，特别是flush_cache_wrapped和_check_pending_flush函数，以理解并发拒绝和超时处理的设计决策；同时关注测试文件更新，学习如何迁移到新API并确保测试覆盖。

修复并发执行/rerun-ut命令时机器人重复发布工作流URL的问题。

此PR值得CI维护者和对GitHub Actions优化感兴趣的工程师精读。关注`find_workflow_run_url`函数中匹配逻辑的改进（如何通过test_command唯一标识运行）和评论合并的设计决策（将多步骤反馈整合为单个消息），这些是提升CI用户体验的有效模式。

修复benchmark在random_input_len=1时生成空提示的bug，防止服务器错误。

这个PR是一个简单的bugfix，变更逻辑直白。对于工程师，如果关心benchmark正确性或CI稳定性，可以快速浏览以了解问题根源。但整体上，无需深入分析设计决策。

回退 Qwen3-next 模型权重加载属性的错误修复，将 _weight_loader 恢复为 weight_loader。

建议工程师关注权重加载测试的覆盖情况，确认回退是否解决了潜在问题；对于技术管理者，需注意此回退可能反映之前修复的不稳定性，值得审视相关测试和验证。

为flush_cache API添加超时参数，允许在系统繁忙时等待空闲后刷新缓存。

建议阅读python/sglang/srt/managers/scheduler.py中的flush_cache_wrapped和_check_pending_flush方法，了解超时队列设计；同时关注单元测试以验证正确性。对于调度器开发者和API用户，此PR提供了处理异步状态等待的参考模式。

修复Kimi K2.5在DP注意力+推测解码下因多模态输入嵌入处理导致的启动崩溃。

建议工程师精读此PR，特别关注llama_eagle3.py中forward函数的多模态输入条件处理逻辑，以及assert使用的最佳实践。对于技术管理者，需注意review中指出的潜在风险，并督促后续代码重构以提升清晰度。

使用torch.addmm融合LoRA torch-native后端操作，提升性能4.4%。

建议技术管理者和工程师精读此PR，关注`torch.addmm`的使用如何通过操作融合提升性能，以及`scalings_cpu`的添加如何避免GPU->CPU同步开销。这是一个典型的性能优化案例，值得学习其设计决策和测试方法，特别是对于涉及GPU计算的场景。