vllm-project/vllm

重试 HF processor 加载，缓解共享缓存并发刷新导致的 CI 抖动

该 PR 值得快速浏览而非精读。关注点有二：一是 `with_retry` 在 `vllm.transformers_utils.repo_utils` 中的重试策略（次数、退避）是否与 CI 超时预算匹配；二是这种"加载重试"模式是否也应推广到 `AutoTokenizer` 和模型权重加载的测试路径，以系统性消除共享缓存并发刷新的 flaky 问题。

修复 Rust 前端 stop string 选用逻辑

建议精读：这是一个小而精确的 bugfix，展示了如何通过修改一行核心逻辑（`find_map` → `filter_map` + `min_by_key`）对齐跨前端行为。测试设计值得学习，尤其是边缘情况的覆盖。

AITER 依赖升级至 v0.1.19

值得快速浏览以了解 ROCm 依赖升级流程；核心关注点是 AITER 0.1.19 的 gpt-oss 回归是否已在后续 PR 修复。若使用 ROCm 平台，阅读时应结合 `test_gpt_oss.py` 与 AITER 内核变更记录。

修复 Kimi K3 下 DeepGEMM BLOCK_D 断言崩溃

改动虽小但值得精读：它以最小变更修复了一个真实的高 TP 模型崩溃，揭示了 DeepGEMM EP 路径对 hidden_size 的隐含对齐约束；math.gcd 求块大小的做法也可作为类似 kernel 对齐问题的通用解法。若后续继续扩展 DeepGEMM 支持的非 1024 约数形状，建议顺手排查 deep_gemm_utils.py 中其他同类 min(...) 计算。

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。