vllm-project/vllm

Quark MXFP4 emulation 重构为共享线性内核抽象

值得精读，尤其是内核选择框架的扩展方式（创建 `mxfp6/` 子包、扩展 `register_linear_kernel`、按 `activation_quant_key` 分发）以及 `QuarkScheme` 与 kernel 抽象的解耦思路。对关注 ROCm 量化、kernel 抽象统一的工程师有参考价值；建议结合 PR#49348 一起看，理解系列重构的演进脉络。

支持 Kimi-K3 压缩张量量化模型加载

值得精读，但主要是了解 `SupportsQuant` 混入类与 `packed_modules_mapping` 的协作模式，这属于 vLLM 中支持新模型量化加载的标准做法。改动本身很小，设计意图清晰，可作为一个快速参照模板。建议后续补充针对 Kimi-K3 量化加载的单元测试或集成测试，以防止回归。

修复 Mistral 工具解析器统一后的兼容性回归

值得快速精读。这是统一重构后兼容性适配的典型修复样例：通过 adapter 属性转发恢复嵌套 engine 的对外契约，并通过显式 None 分支保留旧路径的可空 request 语义。评审中「getattr 兜底 vs 显式 None 检查 + 类型标注同步修改」的取舍值得借鉴。若后续有同类 parser 统一工作，应参考本 PR 补充针对 request=None 与属性转发的单元测试。

升级 tpu-inference 依赖至 v0.26.0

不值得精读。该 PR 是单行依赖版本升级，价值在于保持 TPU 依赖更新。关注点：确认 vLLM 的 TPU CI 是否对新版本有隐藏兼容性问题，可留意后续 TPU 相关 issue。

更新 TPU 构建依赖 torch 至 2.13.0+cpu

不值得精读，作为一行依赖修复，可直接合入。值得留意的是 TPU 构建依赖与主仓库容易脱节的模式，建议后续考虑将 torch 版本集中管理或增加 CI 检查，防止再次遗漏。

为 embedding 支持模型文档补充 BgeM3EmbeddingModel 条目

不值得精读。可作为“文档与实现状态同步”的小样本，关注点在于嵌入模型文档表格的维护方式，以及是否应自动化校验文档与模型注册表的一致性。

统一 block table 宽度计算，修复 DSA 稀疏索引器崩溃

值得精读。核心价值在于用一个纯函数收敛 block table 宽度的计算契约，并通过 `requires_block_table_width` 类属性让 metadata builder 按需声明依赖，是典型的'单一事实来源'设计。建议阅读 `vllm/v1/worker/block_table.py` 的 `get_block_table_width` 与 `vllm/v1/worker/utils.py` 的 `create_metadata_builders`，并结合后续 PR #50823 理解 DCP 分片对宽度计算的影响。

修复融合 MoE 量化 scale 被误转置导致的 TP>1 加载回归

值得精读。改动小但处于核心加载路径，`_orient_fused_weight` 的判定条件与测试覆盖展示了如何用严格条件收窄启发式逻辑、避免误伤无 hidden 维张量。建议关注其已知局限（转置 + block 量化无法解析）以及未来用量化配置元数据替代形状推断的方向；合并前应补齐 PR 中承诺的端到端模型评估。