15.5 回归门禁：混合负载、质量与异常路径

至少覆盖长 Prefill + 短 Decode、长输出、共享前缀与无共享、突发流量和稳态负载。到达率从低负载逐步扫到 SLO 拐点，观察 waiting queue 是否持续增长；不要只在 request-rate=inf 下报告峰值 token/s。

每个方案先独立变更，再组合：Baseline、Prefix、Chunking、量化、投机、并行 / PD。性能报告包括质量预算、错误率、Goodput、P50/P95/P99 TTFT / TBT、权重 / KV / workspace 峰值与成本；GPU busy 高不自动说明 SLO 好。

回归门槛由业务约定，例如“P95 TPOT 相对基线退化超过 5%，且重复测量确认超出噪声”只是一个可选规则。硬件、流量、温度 / 频率、版本和冷 / 热状态固定后再比较；先查变化是否落在采样误差内，再用 git bisect 和时间线定位。MLPerf 等基准有自己的 workload 和合规规则，不能把自定义随机请求结果称为合规成绩。MLPerf Inference