vllm-project/vllm

修复音频流测试 flaky 问题

建议合并。该 PR 以最小改动解决了 CI flaky 问题，但建议未来考虑更根本的修复（如放宽 token 级别匹配为语义匹配）或调查 prefix caching 对 ultravox 模型数值结果的影响程度。对于阅读者，可作为测试稳定性修复的参考案例。

新增多模块 MTP 推测器，支持逐层独立 draft

值得精读。核心看点包括：`MultiModuleMTPSpeculator` 如何通过缓存上一 decode 步输入与 hidden state 实现 re-prefill、`_build_draft_attn_metadata` 如何支持非均匀 query 布局，以及 issue 中作者对 KV 读侧/写侧/释放侧三层机制的阐述。对 spec decode 开发者而言，这是一个多模块状态修复的典型设计案例。建议合入后跟进 #50062、#50306，并着手补充单元测试与复用性重构。

更新 PR 自动标签规则：退役 v1 标签，新增 mrv2 标签

配置本身清晰合理，建议直接合并。但需确保在合并前完成标签重命名操作。

修复 Marlin 内核工作区和排序索引在权重重载时地址失效

建议量化相关开发者精读，了解 Marlin 内核的工作区模式和权重重载契约。FP8/NVFP4/MXFP4 等回退路径的同步修复模式值得学习。其他开发者可跳过。

优化 Rust 前端启动失败日志与就绪日志

建议精读，尤其是错误处理模式（从 `Result` 到 `ExitCode` 的迁移）和就绪日志的设计思路。对于类似需要统一错误输出格式的场景，本 PR 提供了良好参考。

禁用 B200 RMS 归约 warp 特化避免编译失败

该 PR 是值得注意的修复，特别是对于在 B200 上部署 Helion 内核的团队。建议关注 Triton 上游修复进展，以便未来重新启用 warp 特化。

为 Humming indexed-MoE 添加回归测试

建议合并。该 PR 为工程质量改进，无负面风险。可快速合入，无需精读细节。

ModelOpt W4A16 线性后端现遵循 --linear-backend

建议阅读 `vllm/model_executor/kernels/linear/__init__.py` 中 `init_nvfp4_linear_kernel` 函数的 `use_a16` 分支设计，这是 kernel 选择框架可扩展性的一个良好模式。同时也值得了解 `VLLM_BATCH_INVARIANT` 与 `--linear-backend` 的交互方式。