vllm-project/vllm

修复视频帧数填充公式，支持 temporal_patch_size > 2

建议尽快合并，作为最小修复方案。值得注意的设计决策是选择不引入共享辅助函数（如 `round_up`），直接在六个调用点复制修改，避免了对 `math_utils` 等公共模块的依赖，降低了重构风险。但长期看，可考虑未来统一抽象。

修复混合精度量化时 fused 层名匹配优先级

该 PR 值得合入，但建议作者或维护者补充针对混合精度 fused 层匹配的单元测试，避免未来重构时回归。

修复GPT-J风格MRoPE硬编码并优化ROCm性能

此 PR 应合并。建议后续增加更多使用 adjacent-pair MRoPE 的模型测试，并考虑自动检测旋转风格（基于模型配置）以减少手动设置。Triton 内核的 mask 修改值得关注，是通用的正确性修复。

提前缓存 AITER e8m0 权重标量 fp32 转换

值得精读，尤其是对 vLLM 的权重加载钩子 `process_weights_after_loading` 的使用展示了如何优雅地将重复计算从热路径移除。对于从事 ROCm 性能优化或量化推理的开发者有直接参考价值。

将 `vllm bench serve` 的 Rust 委派改为选择加入

本 PR 是 CLI 多语言后端部署的典型设计决策案例：应该自动检测还是显式选择加入。值得关注其副作用发现和修复过程，以及如何通过环境变量隔离不同入口（bench vs serve）的路径解析。推荐在 Rust 基准测试兼容性补齐后重新评估默认行为。

跳过短预填充时稀疏评分，提升2.5%吞吐

值得精读。该 PR 展示了一种优雅的跨组件短路由优化方式：通过 metadata 传递决策，在 indexer 中实现早期退出，避免 kernel 启动开销。同时提供了详尽的基准和测试，可视为 vllm 中稀疏 attention 优化的参考实现。

修复引擎核心载荷缓冲区在ZMQ发送中过早重用的问题

建议尽快合并。该 PR 修复了一个间歇性但破坏性强的 bug，有充分测试验证。设计决策中值得关注的是：1）对 pyzmq `send_multipart` 追踪器行为的深入分析与利用；2）简化的引用管理模型，信任 zmq 内部的引用机制。对于使用 pyzmq 进行零拷贝消息传递的开发者具有参考价值。

扩展 llm-d 集成文档页

该 PR 为纯文档改进，内容准确且结构清晰，可直接合并。建议未来定期检查外部链接和性能数据时效性。