vllm-project/vllm

修复 XPU 上 Mamba 指针高位溢出崩溃

值得精读。该 PR 是一个「小改动、大含义」的典型案例：用 3 行辅助函数解决跨平台设备指针表示差异，且通过位模式保持测试证明安全。值得关注的设计决策包括：不把 buffer 改为 uint64（保持 kernel ABI 不动，降低回归面）、复用 Python 整数范围判断规避 numpy 平台差异、以及用 `_FakeDataPtrTensor` 在无硬件环境模拟高位指针的测试技巧。后续在 XPU 上扩展其他 kernel 元数据路径时可复用该模式。

新增 CPU AMX 高性能 MLA 后端并修复共享 MLA 两个 bug

值得精读。建议重点看三点：(1) `AMXMLAMetadataBuilder.build` 把每 step 不变的张量计算提升到 builder 一次完成，避免逐层重复，是 CPU 后端性能设计的典型套路；(2) `mla_attention.py` 中 `is_amx_bmm_enabled` 分支与 `process_weights_after_loading` 委托 impl 的模式，可平滑扩展到其他自研 bmm 后端；(3) commit 历史中关于 fused_qkv_rope 被丢弃的排查过程，展示了 torch.compile 与自定义 op 融合的兼容性陷阱，对后续 CPU 算子设计有直接借鉴价值。

修复 XPU 指针 dtype 与溢出，EC 卸载支持 Intel GPU 并扩 CI

值得精读。核心看点有三：一是 `set_ptrs()` 用 numpy 视图绕开 torch 标量赋值限制的取舍，二是 PR body 中 2.13/2.14 兼容性矩阵的分析方法（对任何跨版本库升级都有借鉴意义），三是与 RFC #50834 的体系化关联——它展示了一个看似局部的小修复如何为全仓 dtype 约定提供依据。建议结合 KV offload 的 `gpu_worker.py` 中同一模式的先例一起阅读。

KV consumer 省略多模态嵌入并重命名配置

建议负责 EPD/KV connector 或使用解耦多模态推理的工程师精读本 PR。值得关注的设计决策是把“嵌入是否来自连接器”这一具体实现，抽象为“是否允许缺失嵌入”这一更通用的语义，并让 EC/KV 两类消费者共用同一条件；这种基于派生字段而非用户配置的开关设计，能避免用户误配。

弹性 EP 重建配置后台化，扩缩容停机时间降低约 60-70%

值得精读。这个 PR 展示了分布式推理引擎中“阻塞窗口压缩”的完整方法论：状态机合并减少往返、前置资源准备、异步销毁、预热带宽。重点关注 elastic_execute.py 的 prepare_reconfiguration / switch_and_prepare 与 parallel_state.py 的 _replace_active_groups 语义变化，以及 eplb_state.py 中 num_valid_physical_experts 消除后的 invalid 索引处理方式。对后续将 CUDA graph 捕获移入准备阶段的 PR 有直接铺垫价值。

提前拒绝低于最小 DP 的弹性 EP 缩容，避免引擎崩溃

值得精读，尤其建议关注「校验时机前置」的设计：在 prepare 阶段同步校验、在 commit 阶段不再假设输入合法，这种把异步多阶段流程的失败点尽量提前的做法是弹性系统的通用模式。数学公式部分建议配合注释阅读，并考虑后续补一个针对边界条件的单元测试。

补齐 DeepSeek-V4 FSE 测试 fixture 缺失字段，修复 CI 回归

回滚 DSv4 eager workspace 复用，恢复 allocator 安全分配

值得精读。该 PR 是理解 GPU 多流编程与 CUDAGraph 捕获交互的典型案例： - 核心教训是绕过 caching allocator 自定义 workspace 池时必须自行管理 stream 依赖，否则跨流覆写会成为隐蔽的正确性炸弹。 - 展示了如何在性能优化引入安全风险时果断回滚，并依赖后续架构改动（#51430、#52401）保留大部分性能收益。 - 回滚前应核对模型级验证是否完成，作者已诚实标注为 draft 状态且未跑模型评估，阅读时应关注合并后的补测结果。