2026-08-20
ROCm 融合 DSV4 mHC 与 RMSNorm 内核，吞吐约增 1%
值得精读，尤其是对 kernel 融合接入模式和 ROCm 后端开发有兴趣的工程师。重点关注三点：`_aiter_ops.py` 中 `mhc_fused_post_pre` 的返回值顺序转换与空 token 分支、`model.py` 中融合能力的条件探测（`hc_mult == 4` + hidden size 白名单）、以及 `mhc.py` 各 `forward_hip` 中 AITER/TileLang/torch 的三级回退结构。若后续推广类似融合，建议补上覆盖 fake/meta 与回退路径的单元测试，并考虑把 hidden size 白名单收敛为 AITER 侧的查询接口，避免多处硬编码。
移除 DeepseekV32Indexer 中未使用的 forward 方法及导入
该 PR 值得快速合入，因为它消除了死代码，降低维护成本。建议维护者合入前通过全局搜索确认无任何动态调用，并注意是否影响将来可能的复用。
整合 CP 注意力算子到统一目录，纯重构无行为变更
值得阅读：一是 cp_common.py 如何把 symmetric-memory 探测、能力门控、workspace 生命周期拆成可复用层，这是后续 prefill fused ops 的公共底座；二是 dcp.py 的模块内组织（LSE combine、Q/KV gather、manager 分区）可作为 CP 算子标准布局参考。对维护者：合并前建议用工具核对 diff 确认为纯移动（如 git diff --word-diff 对比重命名后文件），并安排一次 DCP 模式精度回归。值得跟踪该 PR 的 follow-up（prefill pcp fused ops）。
DeepSeek 骨干双向注意力嵌入模型支持，启用非 MLA 路径
该 PR 值得关注，尤其适合要新增 encoder-only 变体的模型维护者阅读：它展示了「HF 配置字段驱动注意力类型 + 全局 MLA 开关短路 + registry 复用已有因果模型实现」的组合套路，且与 Qwen2/Qwen3 双向 embedding 的处理方式一脉相承。不过运行时数值验证尚未自动化，建议在后续补一条针对双向 DeepSeek embedding 的回归测试。
2026-08-19
DSA 模型改为默认走 CUDA 非编译 MRV2 路径
值得精读。这是一个典型的默认路径切换 + 平台分派 PR，建议关注三点：1) `vllm/models/deepseek_v32/__init__.py` 的 CUDA/非 CUDA 导入分派如何与 `registry.py` 解耦并保持类名契约；2) `vllm/config/vllm.py` 中架构集合 + 环境变量自动写入 + `CompilationMode.NONE` 的配置自动决策模式，可作为其他模型默认执行路径的样板；3) capability-gated kernel 与 fallback 的硬件兼容策略。也需注意到其测试主要集中在配置层、真实硬件验证依赖 CI 的代价。
FlashMLA sparse 的 fp8 路径接入 DCP 与 MTP 推测解码
值得精读。这是 DCP 落地到 sparse MLA 后端的代表作品，重点关注三点设计决策：
1. **(0, -inf) 单位元中和**：用一句简洁的数值语义（`0 * NaN = NaN`）解释了为什么空行必须显式中和，并且用单元测试把行为钉死，这种“用测试固化数值不变量”的做法值得借鉴。
2. **fail-closed 守卫的写法**：把 DCP 支持限制在已验证的配置子集内（ag_rs、mixed-batch、head-envelope 一致），宁可拒绝也不静默损坏，是硬件后端特性的稳妥落地方式。
3. **与 #46076 的分工**：indexer 机制上游化后本 PR 主动砍掉自研部分，只保留 backend 侧接线，最终 diff 仅 3 个文件，收敛得非常干净。
建议阅读顺序：`flashmla_sparse.py` 的 builder 守卫 → `_forward_fp8_kv_mixed_batch` → `test_fp8_mixed_batch_dcp_neutralizes_empty_rows`。
新增 CPU AMX 高性能 MLA 后端并修复共享 MLA 两个 bug
值得精读。建议重点看三点：(1) `AMXMLAMetadataBuilder.build` 把每 step 不变的张量计算提升到 builder 一次完成，避免逐层重复，是 CPU 后端性能设计的典型套路；(2) `mla_attention.py` 中 `is_amx_bmm_enabled` 分支与 `process_weights_after_loading` 委托 impl 的模式，可平滑扩展到其他自研 bmm 后端；(3) commit 历史中关于 fused_qkv_rope 被丢弃的排查过程，展示了 torch.compile 与自定义 op 融合的兼容性陷阱，对后续 CPU 算子设计有直接借鉴价值。
回滚 DSv4 eager workspace 复用，恢复 allocator 安全分配
值得精读。该 PR 是理解 GPU 多流编程与 CUDAGraph 捕获交互的典型案例：
- 核心教训是绕过 caching allocator 自定义 workspace 池时必须自行管理 stream 依赖，否则跨流覆写会成为隐蔽的正确性炸弹。
- 展示了如何在性能优化引入安全风险时果断回滚，并依赖后续架构改动（#51430、#52401）保留大部分性能收益。
- 回滚前应核对模型级验证是否完成，作者已诚实标注为 draft 状态且未跑模型评估，阅读时应关注合并后的补测结果。
