fix(qwen3next): keep big-page state cache pinned across shm serialization

[sufubao]

问题

PD / 多进程（write_to_shm 共享 mem_manager）场景下，linear attention 模型（qwen3next）开启 cpu cache 后，碎页 offload 时崩溃：

ValueError: Pointer argument (at 1) cannot be accessed from Triton (cpu tensor?)
  File ".../linear_att_cpu_cache_copy.py", in copy_linear_att_state_to_linear_att_state
  File ".../operator/linear_att.py", in offload_gpu_kv_to_cpu_cache

根因

linear_att_big_page_buffers 在 LayerCache 里以 pin_memory=True（cudaHostAlloc）分配，此时 Triton kernel 可以直接访问该 pinned host 内存（已验证 pinned tensor 可被 Triton 读写）。

但 write_to_shm 通过 ForkingPickler.dumps(self) 序列化 Qwen3NextMemManager 时，torch 会把其 CPU tensor 的 storage 原地迁移到共享内存（shm mmap）。这一迁移把本进程持有的大页 state cache 从 pinned 退化成了普通 unpinned 的 shm。之后碎页 offload 调用 copy_linear_att_state_to_linear_att_state（一个 Triton kernel）携带该指针启动，Triton 拒绝非 pinned 的 CPU 指针，抛出上述错误。

关键点：失败的不是「CPU 指针喂给 GPU kernel」，而是 pinned 属性在 shm 序列化过程中被丢失。单进程（不走 write_to_shm）不会触发。

修复

重写 __getstate__，序列化时把 linear_att_big_page_buffers 置为 None，避免 torch 迁移它的 storage，从而保住本进程的 pinned 属性。

def __getstate__(self):
    state = self.__dict__.copy()
    state["linear_att_big_page_buffers"] = None
    return state

为什么安全

跨进程消费方（pd trans 进程 / dp prompt cache fetch）并不使用 cpu 侧的 linear_att_big_page_buffers，序列化时剔除不会影响它们；而本进程在反序列化后仍持有原始 pinned buffer（__init__ 时分配，未经过 pickle 重建），pinned 属性得以保留。

验证

• 单独抽象 pinned / unpinned / cuda tensor 喂给 Triton kernel 的最小探针：pinned<->pinned 与 pinned->cuda 均通过，仅 unpinned CPU 被拒——确认根因是 pin 退化。
• 在含本修复的分支上以 PD 拓扑 + --enable_cpu_cache + linear attention 模型跑碎页流量，prefill 节点不再崩溃；upstream/main 同配置必现崩溃。

[gemini-code-assist]

Caution

The consumer version of Gemini Code Assist on GitHub has been sunset. All code review activity has officially ceased.