vllm-project/vllm

为 NemotronH 添加非 MTP 推测解码支持

建议精读 `nemotron_h.py` 中 `forward` 方法的改动，理解 `_maybe_add_hidden_state` 的收集机制。同时关注 `EagleModelMixin` 的定义，以评估后续推测解码设计的可扩展性。

新增 --enable-cumem-allocator 参数，支持手动启用 CU Mem 分配器

值得精读。本 PR 展示了如何将一个绑定在“功能 A”下的底层配置（cuMem allocator）优雅地解耦为独立参数，同时保持向后兼容。对于理解 vLLM V1 引擎的内存分配路径和与 Nixl 等 KV 连接器的交互有重要参考价值。建议重点关注 `ModelConfig.__post_init__` 中自动启用逻辑以及 `_maybe_get_memory_pool_context` 的重构。

同步 CLI 文档并新增 launch 子命令页面

值得阅读，尤其是对于希望理解 vLLM CLI 文档自动生成流程（`generate_argparse.py`）和嵌套导航结构的贡献者。核心设计决策是复用已有的 argparse mock 和 mkdocs hook 模式来统一所有 CLI 子命令的文档生成，避免了重复的手动维护。

修复 disagg 端点缺失 data_parallel_rank 转发

值得合入，修复明确且安全。PR 本身简单，但可作为理解 disagg 服务与数据并行路由交互的参考。

Intel GPU CI 新增音频和基准测试

该 PR 是常规的 CI 扩展，值得关注其作为 Intel GPU 持续测试覆盖的增量改进。review 中的依赖建议值得在其他 CI 配置中借鉴。

启用 FlashInfer Blackwell GDN 预填充内核

该 PR 设计清晰，将后端选择逻辑提取为独立函数，便于测试和替换。Blackwell 内核路径的 check 逻辑完整，推荐阅读 `_should_use_flashinfer_gdn_prefill` 的实现。关注后续 FlashInfer 版本更新及依赖安装文档的完善。

启用文档中的 Mermaid 图表支持

该 PR 改动简单明确，适合快速合并。对于不熟悉 MkDocs 配置的开发者，此 PR 提供了一个可参考的 Mermaid 集成范例。

将激活/量化/GGML内核迁移到 libtorch stable ABI

**值得精读**。该 PR 是 vLLM 向 libtorch ABI 稳定迁移的重要里程碑，展示了如何将现有 CUDA 内核逐步迁移到 stable API。重点关注文件移动策略、不依赖 CUTLASS 的错误检查宏设计、以及算子注册的调整方式。对于参与 PyTorch 生态或关注构建系统可靠性的开发者，有很高参考价值。