vllm-project/vllm

pooling 模型默认启用 MRV2，全面切换执行路径

值得精读。虽然源码仅删除 3 行，但这是"以最小 diff 翻转大规模默认行为"的典范：通过参数化测试将各分支（文本/多模态、原生/Transformers 后端、encoder/decoder）拆成显式用例，再用渐进式 commit 逐步放宽范围，最后用完整测试矩阵兜底。值得关注的设计决策：删除整个 runner_type guard 而非添加 pooling 特判，让选择器回归"单一职责"（只关心 MoE/hybrid/attention-free 例外），以及 review 中 njhill 对 draft 模型检查的简化判断。

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 GraniteSWA/MoeSWA 模型支持

值得精读，尤其关注 `granite_layer_attn_params` 的分层配置解析设计，以及 hmellor 推动的 MoE 权重加载重构；讨论中提到的 `per_layer_config` API 可作为后续配置演进的参考。

Sparse MLA mask 向量化 128-bit 加载，B200 mask 开销降约 35%

值得精读，尤其是 `dense_mask_mod` 这段 cute 写法：`assume` + `flat_divide` + `autovec_copy` + `recast_tensor` 的组合是 CUTLASS 编程模型里做对齐向量加载的范式，可复用到其他 mask 或 packed 数据内核；“由 shape 函数统一保证对齐 + 测试固化不变量”的做法也值得借鉴。另一个关注点是 `_build_topk_mask` 的返回语义变化，合入后留意其他消费方。

修复 XPU 测试中 HfRunner 退出内存阈值超时

值得快速浏览，作为一个典型的跨平台测试基础设施修复示例：当某个平台的内存回收语义与已有特殊处理平台一致时，直接复用其基线记录机制是最低成本的方案。可关注 `tests/utils.py` 中 `record_gpu_memory_usage_stats` 与 `wait_for_memory_to_settle` 的具体实现，理解动态阈值的设计约束。

多模态元数据 tensor 标记 keep_on_cpu，减少 GPU 拷贝与显存占用

值得精读。这个 PR 是“数据契约先行”的典型范例：通过字段级标记把设备放置语义显式化，避免在传输层做启发式判断，为后续 prefix cache 过滤和分布式 KV 复用铺路。建议重点学习 `keep_on_cpu` 标记与消费端 `.to()` 恢复的对称设计，以及如何在不破坏 HF 实现的前提下把 tensor 留在 CPU。维护者可结合各模型实际消费路径补充逐字段核对，确保没有漏网的 GPU 依赖。

vllm-bench 启动依赖请求接入就绪超时重试

值得精读。这是一个典型的“review 驱动重构”案例：第一版直接把就绪探测提前，被 AI 审查发现合成 probe 的载荷代表性问题后，第二版改为让启动依赖请求自带重试，方案更稳。重点学习 `retry_with_timeout` 的泛型封装（`FnMut` + `Future` 的写法）、零超时语义设计，以及“保留原位探测以保证载荷真实”的取舍逻辑。

重编译 XPU 测试依赖，升级 pytest 修复 caplog 失败

值得简单阅读：根因分析清晰展示了 pytest 日志捕获行为差异，重新编译锁定文件对齐版本的做法合理；但需关注传递依赖大版本跳跃带来的潜在 CI 风险，建议合入后持续观察 XPU 测试结果。