vllm-project/vllm

跳过非 ROCm 平台上的 ROCm AITER MLA 测试

该 PR 逻辑简单，可以直接合并。它修复了一个明确的跨平台 CI 问题，代码改动小且安全。值得注意的设计决策是使用 `current_platform.is_cuda_alike()` 而非特定平台检查（如 `is_rocm`），这更符合未来的扩展性。建议团队在编写依赖于特定硬件后端（如 ROCm 特有模块）的测试时，统一采用类似的跳过策略。

新增普通文本 tokenizer 编码方法

建议深入理解此 PR 的设计思路：通过明确分离 '普通编码' 和 '含特殊 token 编码'，为 prompt 结构化提供干净的 tokenization 抽象。值得关注的是对多后端的统一封装方式和测试策略。对于涉及 prompt 定制化的开发者，推荐精读 hf.rs 中 `encode_hf_ordinary` 和 `encode_fastokens_ordinary` 的实现。

为 Kimi-K3 添加 AttnRes 核函数（CUDA + Triton）

该 PR 值得精读，尤其关注 CUDA 内核的 warp-specialized 设计（producer-consumer 并行模式）以及 Triton 内核的 online softmax 实现。对于平台适配（NVIDIA + AMD）的架构设计也有借鉴意义。建议在合入后尽快添加 stride 检查并考虑更多测试场景。

ROCM LoRA CI 测试软失败

简单配置变更，无需精读。但值得关注后续是否有真正的修复 PR。

修复推测解码 draft 模型缓冲区在 level-2 sleep 时丢失

值得精读，尤其是对 sleep/wake 生命周期和 buffer 管理感兴趣的开发者。设计决策（条件恢复、对称快照、移除冗余钩子）提供了良好的实践经验。

修复 cgroup 内存限制在非 ROCm 平台被忽略

值得快速合并。这是一个小而正确的 bugfix，修复了容器场景下的常见问题。建议阅读时关注 `_get_available_ram_bytes` 和 `get_cgroup_memory_limit` 的配合逻辑。

为RL rollout添加权重版本标记API

此 PR 是 RL API 重要的基础设施，值得 RL 相关开发者和架构师精读。关键设计决策包括：版本仅在 finish_weight_update 成功时发布（失败不更新），版本绑定到 EngineCore 而非 request/output，API 按 dev-mode 方式提供。建议关注后续多副本身份标识和持久化方案。

修复 CPU MRV2 多模态不支持的兼容性问题

建议快速浏览，重点看三点：CPU shim 的占位补全范围（vllm/v1/worker/cpu/shm.py）、PIN_MEMORY 常量的引入方式（encoder_decoder.py）、reduce_data 的 device 判断（inputs.py）。对 CPU/新后端开发有参考价值；不建议精读，因为逻辑直白且无讨论。后续建议补一个 CPU MRV2 多模态 smoke test，避免回归。