vllm-project/vllm

bump cutlass-dsl 至 4.5.1 修复 Blackwell GDN ICE

建议快速合并。PR 简单、测试充分、风险低，修复了明确的 JIT 编译崩溃问题。

禁用 V2 模型运行器的并行草稿解码

该 PR 是必需的 bug 修复，内容简洁、风险低。值得所有涉及 V2 模型运行器和推测解码的团队成员关注。它为 V2 并行草稿功能的后续实现提供了一个清晰的追踪点。

padded nvfp4量化kernel消除额外copy

值得精读。该PR展示了如何通过将后处理步骤融合到CUDA kernel中来消除冗余内存访问，是典型的性能优化案例。对于从事量化推理、CUDA kernel优化或CUTLASS集成工作的开发者具有很好的参考价值。建议关注其设计权衡：何时适合将padding内联到kernel，以及如何保持向后兼容。

提取共享的 coerce_to_schema_type 类型转换工具函数

值得精读。展示了如何安全提取公共工具函数，尤其类型别名映射设计、优先级处理、以及测试覆盖策略。对涉及工具调用的开发者，了解此函数有助于统一处理类型转换。

TRITON_MLA 启用 FULL CUDAGraph

建议精读。该 PR 展示了一个极简但高效的优化模式：通过覆写 MetadataBuilder 的 _cudagraph_support 即可启用 FULL CUDAGraph，收益显著且风险低。对于其他使用 MLA 或类似自定义 attention backends 的开发者具有参考价值。

删除 CompressedTensors24 及相关死代码

该 PR 是典型的死代码清理实践，值得阅读了解如何安全地移除已有废弃机制的代码。对于正在维护大型代码库的开发者，可以借鉴其分步删除逻辑：先确保代码已被条件守卫或 raise 替代，再删除文件并更新所有引用。

重构二级 tier 工厂模式及示例 tier，修复关键 bug

- 推荐开发者阅读 `factory.py` 和 `manager.py` 了解新的注册模式和最小参考实现。 - 建议为 `SecondaryTierFactory.register_tier` 增加注册时的健壮性检查（如模块能否成功导入）。 - 值得关注的设计决策：用实例属性取代抽象方法传递类型标识，以及工厂引入惰性加载，降低了模块耦合。 - 如果团队计划开发新的二级 tier（如远端存储、GPU 层次等），可以此 PR 为基础模式。

修复 Qwen3.5 在 ROCm 上 GDN 精度回归

值得精读，尤其是对 ROCm 平台上 Triton 内核布局假设敏感的推理引擎开发者。它展示了一个典型的风险：当优化内核假设特定数据布局时，不匹配会导致静默精度崩溃。建议在集成测试中增加对多种布局的端到端验证。