SGLang 专项：参考资料与最终验收

白话导读：SGLang 方向的阅读方法、论文与实验报告模板、最终交付和评分标准。

1. 阅读方法

读论文先回答“问题是什么、优化了哪项成本、假设是什么、什么场景会失效”；读源码再确认“当前版本怎样实现、有哪些组合限制”。

论文、官方文档与本地源码可能属于不同时间点。涉及参数、默认值与支持矩阵时，优先核对实际执行版本。

以下链接来自前期官方资料检索与仓库引用；文档结构检查不等于对外部网站内容进行持续验证。

顺序	资料	阅读问题
1	SGLang 论文	多次生成调用为什么产生复用机会？RadixAttention 解决什么？
2	PagedAttention / vLLM 论文	动态 KV 如何减少碎片并支持共享？
3	SGLang Benchmark 与 Profiling	Serving、offline、固定 batch 的测量边界？
4	Sarathi-Serve	Chunked prefill 如何改变吞吐与延迟？
5	HiCache 系统设计	匹配、预取、回写和多 rank 同步如何配合？
6	HiCache 最佳实践	如何选择容量、预取和后端？
7	Mooncake 架构	TE、Store 与其他组件的职责边界？
8	Mooncake Transfer Engine	Segment、注册内存和异步传输如何工作？
9	Mooncake Store	对象、元数据、副本和数据传输如何分离？
10	LMCache 集成 / Quickstart	当前 connector、服务模式与匹配版本？
11	LMCache Mooncake 后端	两个框架如何组合，RDMA 有何内存条件？
12	CacheBlend	非前缀复用为什么要处理计算依赖？
13	DistServe	如何围绕 Goodput 和 SLO 选择 PD 与资源？
14	Mooncake 论文	KV-centric 调度、资源池和过载控制如何协同？
15	SGLang PD 文档	论文思想在当前工程中的约束是什么？

补充官方入口：

论文 / 版本：
问题：
基线：
主要瓶颈：
核心方法：
假设与适用范围：
正确性条件：
实验 workload：
指标与硬件：
主要结果：
潜在反例：
与当前 SGLang 源码的对应：
仍需自己验证的结论：

不要直接把论文中的峰值收益写成自己的实验结论。

描述一个可证伪的假设，例如：

在具有较长共享前缀的负载下，外部缓存加载的关键路径成本低于重算前缀的成本，从而改善 TTFT。

同时描述反例：低复用率、短输入、网络慢、并发争用或热点变化。

保留完整启动和压测命令，以及：

配置	TTFT p50/p95/p99	ITL p95/p99	Output tok/s	Goodput	GPU/Host 内存	错误/拒绝
基线	待测	待测	待测	待测	待测	待测
实验组	待测	待测	待测	待测	待测	待测

补充缓存证据：

说明为什么指标变化，提供源码或 trace 证据。列出未覆盖的硬件、模型、负载和失败场景。

Profiler 有开销，正式性能结论应用非 profiling 运行确认。

建议总分达到 80，并且不能在正确性上存在关键误解，例如错误跨模型复用 KV、提前释放在途 buffer、把外部查询命中当作设备就绪。

完成首月后，按岗位选择一条深入：