执行摘要

• 一句话：为 stop_token_ids 补词表校验，杜绝越界击穿引擎
• 推荐动作：值得精读。虽然代码改动只有单文件 46 行，但 review 过程质量很高：关于 len(tokenizer) 与 model_config.get_vocab_size() 差异的论证（多模态占位 token、模型侧新增 token、gap id 越界路径）、max 方案的过度修正与回退、以及逐字段审计“谁消费索引、张量尺寸由谁决定”的方法论，对理解 vLLM 的词表边界约定和前端参数校验架构都很有借鉴价值。关注点：无自动化测试的取舍是否符合团队长期预期，以及 bad_words 字段的边界问题是否会作为后续跟进。

功能与动机

PR body 与关联 issue #54195 明确说明：stop_token_ids 是唯一未做词表校验的用户可见 token-id 参数，越界 id 会经 MinTokensLogitsProcessor 的 logits.index_put_((rows, all_stop_token_ids), -inf) 落到设备端索引路径。在 Ascend CANN 9.1 上单请求即可触发 IndexCheck 内核断言，导致全部 8 个 TP rank 同时死亡、预填充实例对所有后续请求返回 HTTP 500；在无边界检查的后端则静默污染同 batch 相邻请求的 logits。151645 是旧版 DeepSeek V3 tokenizer 的 <|im_end|>，客户端复用陈旧 token id 即可轻易触发，且 PD 代理示例脚本会把请求改写为 max_tokens=1, min_tokens=1，使每个代理请求都激活该路径。logit_bias 与 allowed_token_ids 已有校验，stop_token_ids 是唯一漏网入口。

实现拆解

本 PR 围绕 vllm/sampling_params.py 单文件展开，分四步完成：

1. 在 verify() 中接入新校验：在 SamplingParams.verify() 的 _validate_logit_bias 之后、_validate_trace_replay 之前插入 self._validate_stop_token_ids(model_config) 调用。位置选择与 _validate_logit_bias 紧邻，因为二者索引的是同一张 logits 张量。同时把 _validate_allowed_token_ids 的调用参数从 tokenizer 换成 model_config。

2. 新增 _validate_stop_token_ids 方法：完全镜像 _validate_logit_bias 的既有模式——stop_token_ids 为空即返回；否则收集所有 < 0 或 >= model_config.get_vocab_size() 的非法 id，命中即抛 VLLMValidationError（parameter="stop_token_ids"），该异常在前端转换为 HTTP 400，请求不会进入 engine。关键设计决策是边界取模型词表而非 len(tokenizer)，因为 stop_token_ids 是 logits 张量的列索引，而 logits 宽度由模型词表决定。

3. 修正 _validate_allowed_token_ids 的边界来源：签名从 tokenizer: TokenizerLike | None 改为 model_config: ModelConfig，移除 tokenizer is None 的早退分支（保证 skip_tokenizer_init 场景下仍能校验），并把 len(tokenizer) 换成 model_config.get_vocab_size()。原因经 review 确认：allowed_token_ids 同样由客户端直接以 list[int] 传入，且设备端掩码张量（InputBatch 中的 mask[req_index][allowed_token_ids]）按模型词表尺寸分配。作者还验证了内部调用者不受影响：beam search 的 id 来自按模型词表尺寸的 bitmask，Whisper 语言检测 id 是模型词表内的特殊 token。

4. 测试与配套取舍：最初新增 tests/entrypoints/openai/chat_completion/test_chat_stop_token_ids_validation.py（沿用 test_chat_logit_bias_validation.py 模式，覆盖合法 id 通过、越界与负 id 返回 400），但按 DarkLight1337“CI 昂贵、不值得加测试”的意见在提交 d0ec419 中移除。作者改为离线对 Qwen/Qwen2.5-1.5B-Instruct 验证（[vocab_size-1, 0] 通过，[vocab_size, vocab_size+5] 与 [-2] 报错），并在复现环境端到端确认崩溃请求现在返回 400 且引擎存活。最终合入版本为纯源码单文件变更，无测试、配置或部署配套改动。

关键文件：

• vllm/sampling_params.py（模块 采样参数；类别 source；类型 core-logic；符号 _validate_stop_token_ids, _validate_allowed_token_ids, verify）: 核心修复文件。新增 _validate_stop_token_ids 并按 model_config.get_vocab_size() 校验 stop_token_ids，同时将 _validate_allowed_token_ids 的边界来源从 len(tokenizer) 统一为模型词表，修复跨后端的越界索引崩溃/数据污染问题。

关键符号：_validate_stop_token_ids, _validate_allowed_token_ids, verify

关键源码片段

vllm/sampling_params.py

核心修复文件。新增 _validate_stop_token_ids 并按 model_config.get_vocab_size() 校验 stop_token_ids，同时将 _validate_allowed_token_ids 的边界来源从 len(tokenizer) 统一为模型词表，修复跨后端的越界索引崩溃/数据污染问题。

def verify(
    self,
    model_config: ModelConfig,
    speculative_config: SpeculativeConfig | None,
    structured_outputs_config: StructuredOutputsConfig | None,
    tokenizer: TokenizerLike | None,
) -> None:
    self._validate_logprobs(model_config)
    self._validate_logit_bias(model_config)
    self._validate_trace_replay(model_config, speculative_config)
    # stop_token_ids 是此前唯一未校验词表边界的客户端直传 token-id 参数，
    # 越界 id 会进入 all_stop_token_ids 并在设备端做 logits.index_put_，
    # 必须在到达 engine 前以 400 拒绝
    self._validate_stop_token_ids(model_config)
    self._validate_logits_processors(model_config)
    # allowed_token_ids 同为客户端直传 list[int]，索引 model vocab 宽度的
    # 掩码张量，故与 stop_token_ids 统一改用 model_config 校验
    self._validate_allowed_token_ids(model_config)
    self._validate_spec_decode(speculative_config)
    self._validate_diffusion(model_config)
    self._validate_structured_outputs(
        model_config, structured_outputs_config, tokenizer
    )
​
​
def _validate_stop_token_ids(self, model_config: ModelConfig) -> None:
    """Validate stop_token_ids are within vocabulary range."""
    if not self.stop_token_ids:
        return
​
    # stop_token_ids 会被用作 logits 张量的列索引（如 MinTokensLogitsProcessor
    # 的 logits.index_put_((rows, all_stop_token_ids), -inf)），而 logits 宽度
    # 由 model_config.get_vocab_size() 决定；不能用 len(tokenizer) 作边界，
    # 因为多模态模型的 tokenizer 可能比模型词表更大，gap id 会漏过校验后
    # 依旧越界（CANN 9.1 上直接触发 IndexCheck 内核崩溃）
    vocab_size = model_config.get_vocab_size()
    invalid_token_ids = [
        token_id
        for token_id in self.stop_token_ids
        if token_id < 0 or token_id >= vocab_size
    ]
​
    if invalid_token_ids:
        raise VLLMValidationError(
            f"token_id(s) {invalid_token_ids} in stop_token_ids contain "
            f"out-of-vocab token ids. Vocabulary size: {vocab_size}",
            parameter="stop_token_ids",
            value=invalid_token_ids,
        )
​
​
def _validate_allowed_token_ids(self, model_config: ModelConfig) -> None:
    """按模型词表校验 allowed_token_ids，与 stop_token_ids 保持一致。"""
    allowed_token_ids = self.allowed_token_ids
    if allowed_token_ids is None:
        return
​
    if len(allowed_token_ids) == 0:
        raise VLLMValidationError(
            "allowed_token_ids is not None and empty!",
            parameter="allowed_token_ids",
            value=allowed_token_ids,
        )
​
    # allowed_token_ids 由客户端直接以 list[int] 传入，随后作为列索引写入
    # InputBatch 中按 model_config.get_vocab_size() 尺寸分配的掩码张量
    # （mask[req_index][allowed_token_ids]），因此同样必须按模型词表校验；
    # 与旧版 len(tokenizer) 相比，这一改动同时保证了 skip_tokenizer_init
    # 场景下校验仍然生效
    vocab_size = model_config.get_vocab_size()
    invalid_token_ids = [
        token_id
        for token_id in allowed_token_ids
        if token_id < 0 or token_id >= vocab_size
    ]
    if invalid_token_ids:
        raise VLLMValidationError(
            "allowed_token_ids contains out-of-vocab token id!",
            parameter="allowed_token_ids",
            value=invalid_token_ids,
        )

评论区精华

review 的核心交锋围绕“校验边界该取 tokenizer 还是模型词表”展开，经历了三轮迭代：

• depthfirst-app[bot] 首先指出 len(tokenizer) 不是安全边界：stop_token_ids 索引的 logits 张量由 model_config.get_vocab_size() 决定，二者在多模态模型上可能不一致，建议改用模型词表。
• QwertyJack 曾尝试取 max(model_config.get_vocab_size(), len(tokenizer))，理由是避免误伤 Qwen3 这类 tokenizer 比模型词表小的模型上“模型侧新增 token”，但被 depthfirst-app[bot] 再次否决：该方案在多模态模型（tokenizer 更大）的 gap 区间仍会越界。
• 作者最终承认“I over-corrected in de34963”，回退到纯 model_config.get_vocab_size() 边界，并指出该取舍的代价是 tokenizer 可编码但模型不可采样的 stop_token_id 会被拒绝——这正是保守且正确的行为。
• DarkLight1337 在追问中发现了更大的漏洞：_validate_allowed_token_ids 沿用 len(tokenizer) 且同样由客户端直传 list[int]，最终拍板“Let's update allowed_token_ids then”，使本 PR 从单字段修复扩展为两个字段的边界统一。

• 测试文件方面，DarkLight1337 明确表示“our CI is expensive enough as it is, let's just remove them”，作者接受并移除。

• stop_token_ids 校验边界：len(tokenizer) 还是 model_config.get_vocab_size() (correctness): 采用 model_config.get_vocab_size()，与 _validate_logit_bias 一致（索引同一张 logits 张量）。

• max(vocab_size, len(tokenizer)) 方案的过度修正与回退 (correctness): 作者承认 over-corrected，回退为纯 model_config.get_vocab_size() 边界，并记录取舍：tokenizer 可编码但模型不可采样的 id 被拒绝是正确行为。
• allowed_token_ids 是否同步改用模型词表边界 (correctness): 将 _validate_allowed_token_ids 签名从 tokenizer 改为 model_config，移除 None-guard，保证 skip_tokenizer_init 场景仍校验；bad_words 因不可自由构造保持现状。
• 新增测试文件是否值得保留 (testing): 测试文件被移除，合入版本无自动化测试覆盖。

风险与影响

• 风险：
  1. 行为收窄的兼容性风险：对 tokenizer 词表大于模型词表的多模态模型，位于 gap 区间的 stop_token_id 此前可通过（tokenizer 边界）校验，现在会被 400 拒绝。作者论证该 id 永远不会被采样命中、只会走越界路径，因此是正确取舍，但对依赖此类 id 的存量客户端属于破坏性变更，升级时需留意。
  2. 同类风险残留：review 审计发现 bad_words 仍用 tokenizer.max_token_id 做边界，但作者论证其 id 由 tokenize 产生、不可自由构造，风险不可达故未处理。未来若开放客户端直传 bad words ids 的 API，需要按本次约定补校验。
  3. 无自动化测试覆盖：最终合入版本不含任何测试，该防线完全依赖 SamplingParams.verify() 被正确调用。若未来出现绕过 verify() 的内部构造路径（如直接实例化 SamplingParams 的代码），回归风险上升。
  4. 核心请求路径变更：verify() 是前端所有请求的必经路径，新增校验为纯 Python 列表扫描，复杂度 O(n)，且 model_config.get_vocab_size() 已有缓存，无性能影响。
     - 影响：对用户：所有通过 OpenAI 兼容 API 传 stop_token_ids 的用户行为发生变化——越界 id 从“可能崩溃整个引擎”或“静默污染相邻请求”变为确定性的 HTTP 400 拒绝；对 Ascend CANN 9.1 后端用户是直接的单请求 DoS 修复，对 CUDA 等无边界检查后端则是把不确定行为变为确定行为。对系统：消除了 TP 全 rank 同时死亡、预填充实例对后续所有请求返回 500 的故障模式，PD 代理改写 min_tokens=1 后的每请求崩溃风险也被消除。对团队：确立了“设备端索引型 token-id 参数必须按 model_config 词表校验”的工程约定，并顺带修正了 allowed_token_ids 的同方向漏洞，为后续同类字段审计提供了模板。
     - 风险标记：单请求 DoS 高危修复, 无自动化测试覆盖, 核心请求路径变更, 行为边界收窄（gap id 被拒）

关联脉络

• PR #54509 [Bugfix][Frontend] Truncate prompt_is_token_ids with the prompt: 同为前端请求参数边界修复（截断 prompt 时同步截断掩码），与本次 stop_token_ids 校验同属 vLLM 近期持续补漏的“前端参数硬化”系列。
• PR #54407 [Bugfix][Frontend] Truncate prompt_token_offsets with the prompt: 修复 prompt_token_offsets 未随截断同步导致的并行数组长度漂移，同一批前端参数一致性 bugfix，反映团队正在系统性地收敛请求参数边界漏洞。
• PR #54364 [Bugfix][Frontend] Truncate pooling prompts before padding them: 修复 pooling 先补位后截断导致 prompt 全为 pad，同为请求参数处理顺序/边界问题，属于同一功能线的演进。