vllm-project/vllm

自动检测 wheel 的 manylinux 标签，消除升级漂移

值得精读，尤其是 `detect-manylinux-tag.py` 中如何绕过 `auditwheel repair` 的限制直接调用内部 API 的设计，以及 `lib/manylinux.sh` 中通过容器化固定环境的权衡。该 PR 提供了基础设施可靠性的良好范例。

修复测试 dtype 参数格式

简单格式修正，无需精读。但可作为代码风格一致的参考。

支持思考预算与推测解码的兼容

值得精读，尤其是从 LogitsProcessor 向独立状态管理器迁移的设计模式，对 vLLM v1 采样架构扩展有示范意义。Review 中关于性能与异步调度的权衡也值得关注。

逐作业通知 KV 卸载完成，加速前缀缓存重用

此 PR 值得深刻理解，尤其关注 `TransferJobStatus` 的 fencing 机制和 `OffloadingWorkerMetadata` 的聚合模式。建议团队在后续开发中复用 `build_connector_worker_meta` 模式来收集异步传输完成状态。作者与 reviewer 的多次迭代展示了良好的工程权衡，设计文档可以从中提炼。

修复ROPE内核中cos/sin cache类型硬编码为float32的问题

建议优先审核并合并此PR，因为它修复了实际的CI OOM问题，且实现经过充分考量（限制模板组合）。开发者可关注csrc/pos_encoding_kernels.cu中模板派发模式，未来在其他kernel中可复用此方法。

修复非 stride 倍数时 max_num_batched_tokens 不被 CUDA graph 捕获

建议合并。这是影响实际生产性能的 bugfix，改动量小、逻辑清晰。同时建议后续考虑是否允许用户选择 padding 到下一个 stride 的策略，但当前方案足以解决问题。

修复 DeepSeek V4 在 Inductor 下的 AssertionError

值得阅读，展示了如何通过 custom op wrapper 绕过 Inductor 对 Triton kernel 的限制。对于其他遇到类似 inductor 错误的团队有参考价值。设计模式：使用 `direct_register_custom_op` 提供 opaque boundary。

修复 CPU 后端 shutdown 时 accelerator 调用崩溃

该 PR 修复明确，方案简洁（+11 行），值得立即合并。建议后续为 CPU 后端增加对应的 shutdown 控制流测试，确保 monkey-patch 不遗漏未来新增的 accelerator API。开发者可参考该模式处理其他跨后端的兼容性问题。