vllm-project/vllm

修复 V2 模型运行器中 prompt logprobs 张量形状不匹配错误

值得精读用于理解 Model Runner V2 中 prompt logprobs 的处理流程，特别是跨请求变长张量切片的处理模式。该 PR 本身逻辑清晰简单，可作为参考学习。

Mamba单token extends重新分类为decode

对于关注disaggregated serving和Mamba模型的开发者，建议精读此PR，特别是`_compute_common_metadata`中的分类逻辑，以及如何通过修改`is_prefilling`来匹配CUDA graph调度。设计权衡（可读性 vs 简洁性、CPU同步警告）值得关注。此外，`MockMambaBuilder`工具类可推广用于其他测试。

为Apertus模型添加工具调用解析器

建议认可该PR的设计和测试覆盖，作为未来新增工具解析器的模板。建议后续改进异常处理，将通用捕获改为具体异常。

重构 AWQ Marlin MoE 至模块化 WNA16 oracle

值得精读，尤其是如何将量化 MoE 接入模块化 FusedMoEKernel 框架。展示了后端选择和 kernel 构建的抽象设计。开发者在实现新量化方案时可参考此模式。

v2 GPU Model Runner 补全 update_config 方法

值得精读，特别是对于理解 v1/v2 模型运行器委托模式和配置同步机制的开发者。此 PR 展示了如何在不破坏现有架构的前提下，为 v2 运行器补齐缺失的接口，并处理了配置对象在两层之间的同步问题。

回滚引发 CI 失败的 torch.compile 补丁

可直接合并以快速恢复 CI。建议后续维护者关注 PyTorch 2.12 及以上版本是否确实修复该问题，并考虑是否有更安全的方式为 2.11 提供补丁。

末步 flush 所有待定 KV 转移作业

建议关注 `build_connector_meta` 中的 flush 触发逻辑，以及其与 `is_finished()` 的关联。对于维护 KV offloading 的读者，这个 PR 的 review 讨论具有参考价值。

暂时跳过 Intel GPU CI 中一个不稳定的 MoE LoRA 测试

这是一次临时性的、低风险的 CI 稳定性应急措施，不建议精读。但应提醒团队在后续尽快修复被跳过的测试用例，并恢复执行。