11. 延伸阅读

官方文档

• SGLang 官方文档
• SGLang GitHub Repository
• SGLang Release Notes

论文

• SGLang: Efficient Execution of Structured Language Model Programs — NeurIPS 2024
• XGrammar: Flexible and Efficient Structured Generation Engine for LLMs — NeurIPS 2024
• XGrammar-2: Efficient Dynamic Structured Generation Engine for Agentic LLMs — 2026
• DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models — DSA 稀疏注意力，2025-12

SGLang 团队博客（2025-2026）

• SGLang HiCache: Fast Hierarchical KV Caching — 2025-09
• SGLang Day-0 Support for DeepSeek-V3.2 with Sparse Attention — 2025-09
• Deploying DeepSeek with PD Disaggregation and Large-Scale Expert Parallelism on 96 H100 GPUs — 2025-05
• EPD Disaggregation: Elastic Encoder Scaling for Vision-Language Models — 2026-01
• SGLang Day-0 Support for Kimi K3 — 2026-07，Kimi K3（2.8T LatentMoE / 1M 上下文）day-0 支持
• DSpark: Confidence-Driven Speculative Decoding in SGLang — 2026-07，v0.5.16 新投机解码算法

结构化生成相关

• xgrammar GitHub
• Outlines 文档

对比与生产实践

• vLLM 官方文档
• Mooncake: A KVCache-centric Disaggregated Architecture
• Mooncake x SGLang HiCache System Design
• SGLang for RL Systems 官方文档
• LMSYS / SGLang 团队技术博客与演讲

社区资源

• SGLang GitHub Discussions
• SGLang Slack / Discord
• SGLang 中文社区讨论

相关章节

• vLLM 详解
• TensorRT-LLM 详解
• Triton Inference Server 详解
• LLM Gateway 详解
• LLM 推理缓存与 KV Cache 管理详解 — SGLang HiCache 分层缓存、Rust radix tree 与 PD 分离传输的基础设施视角，与本主题 RadixAttention 互为表里。
• 模型量化与压缩基础设施详解 — 量化支持矩阵、精度-性能权衡与压缩工具链，与 SGLang 的量化推理路径互补。
• LLMOps 概述
• 学习路线
• 面试指南

推荐学习路径

1. 先读 SGLang 论文，理解 LLM Program 与 RadixAttention 的设计动机。
2. 阅读官方文档的 Architecture 和 Sampling 部分。
3. 阅读源码中的 python/sglang/srt/managers/scheduler.py 和统一 Radix Tree 缓存实现（unified_radix_cache.py 与 rust/ 目录）。
4. 结合生产实践文章，思考在自己的 Agent / 多轮场景中如何部署。