执行摘要

• 一句话：修正 VocabParallelEmbedding.extra_repr 字段错位
• 推荐动作：不值得精读。可作为低优先级快速合入的修复样例：字段遮蔽类 bug 在自定义层中常见，改动虽小但对调试可观测性有帮助。若有兴趣，可顺势为 extra_repr 补充一个轻量单测，防止回归。

功能与动机

PR body 将本变更描述为 Chore fix，目标是让 extra_repr 字段与类中对应的 num_embeddings 和 num_embeddings_per_partition 属性一一对应。修改前 num_embeddings 字段实际输出的是分区后的词表大小，容易在日志中造成混淆，误导用户将分区词表大小误认为全局词表大小。

实现拆解

本变更非常小，按以下步骤完成：

1. 定位到 vllm/model_executor/layers/vocab_parallel_embedding.py 中 VocabParallelEmbedding.extra_repr 方法，该方法用于 PyTorch 模块 repr 字符串输出。
2. 将原来 num_embeddings=... 字段的值从 self.num_embeddings_per_partition 改为 self.num_embeddings，并新增一个独立的 num_embeddings_per_partition 字段，使两个概念都被明确展示。
3. 字段顺序上保持 num_embeddings 在前、num_embeddings_per_partition 紧随其后，其他字段不变。
   整个 PR 只有这一个文件的改动，未涉及测试、配置或部署配套。

关键文件：

• vllm/model_executor/layers/vocab_parallel_embedding.py（模块 模型层；类别 source；类型 data-contract；符号 extra_repr）: 这是唯一变更文件，修正 VocabParallelEmbedding.extra_repr 中 num_embeddings 字段的值来源，并补充 num_embeddings_per_partition 字段，使 repr 输出准确反映模型并行分区后的词表信息。

关键符号：extra_repr

关键源码片段

vllm/model_executor/layers/vocab_parallel_embedding.py

这是唯一变更文件，修正 VocabParallelEmbedding.extra_repr 中 num_embeddings 字段的值来源，并补充 num_embeddings_per_partition 字段，使 repr 输出准确反映模型并行分区后的词表信息。

# VocabParallelEmbedding.extra_repr：用于 PyTorch 的 repr() 展示
# 修正前这里误用了 num_embeddings_per_partition，
# 导致打印出的词表总数实为当前分区的数量。
def extra_repr(self) -> str:
    # 全局词表大小，与构造参数 num_embeddings 对应
    s = f"num_embeddings={self.num_embeddings}"
    # 按 tensor parallel 分区后的词表大小，单列展示避免混淆
    s += f", num_embeddings_per_partition={self.num_embeddings_per_partition}"
    s += f", embedding_dim={self.embedding_dim}"
    s += f", org_vocab_size={self.org_vocab_size}"
    s += f", num_embeddings_padded={self.num_embeddings_padded}"
    s += f", tp_size={self.tp_size}"
    return s

评论区精华

该 PR 几乎没有实质 review 讨论：claude[bot] 因 fork PR 自动跳过审查，DarkLight1337 直接批准并回复 Thanks。没有关于设计或正确性的深入交锋。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低。本变更只影响 extra_repr 返回的字符串内容，该字符串主要用于模型打印、日志和调试输出，不参与前向或反向计算。需要注意的点是：任何依赖旧格式解析该 repr 的外部脚本或测试可能会受影响，但这类依赖非常少见，且仓库内测试未覆盖此输出。
• 影响：影响范围限定在 vllm 模型执行器的调试体验：调用 print(model) 或相关日志时，VocabParallelEmbedding 及其子类 ParallelLMHead 展示的词表大小将更准确。对训练、推理、性能均无影响。团队维护成本几乎为零。
• 风险标记：暂无

关联脉络

• 暂无明显关联 PR