vllm-project/vllm

修复 Gemma4-MM ViT 量化线性层兼容性

值得精读。设计上选择通用递归替换而非模型特定补丁，体现了模块化封装思想。`BitsAndBytesWeightParameter` 的 dtype 修复技巧可复用。建议关注后续 LoRA 准确性修复。

Profile vision encoder CUDA graph pool memory

此 PR 值得精读，尤其关注 `profile_cudagraph_memory` 中如何集成 encoder 部分以及 graph pool 的生命周期设计。它展示了在已有的 CUDA graph 框架中扩展新模块的典型模式：通过临时 manager 进行 profile，通过持久 manager 进行 runtime，并利用 graph pool 隔离。对多模态模型开发者和 CUDA graph 维护者有重要参考价值。

修复 XPU 上 FP8 量化少传 2 个参数的问题

此 PR 为必要的 bugfix，改动小而精，值得合入。建议在合入后验证 XPU 上 FP8 量化功能正常。

修复滑动窗口块在卸载失败后变脏的问题

建议审核者重点审查 `_update_req_states` 中的全量遍历逻辑及其对性能的影响，确认设计权衡合理。同时鼓励在滑动窗口功能相关的集成测试中运行本 PR 的新测试用例。总体修复思路正确，值得精读。

修复MiniCPM-O音频特征长度类型错误和多块对齐

该PR值得阅读，特别是多模态数据处理中字段配置的动态调整技巧。设计决策包括使用 flatten().tolist() 处理张量通用展平，以及用 flat 字段配置替换 batched 来解决多块对齐问题。对于其他可能遇到类似对齐问题的模型有参考价值。

在API层提前校验structural_tag格式

推荐阅读，特别是 `validate_structural_tag_response_format` 的实现，展示了一种将深层引擎错误转化为 API 层校验错误的模式，有助于保持 API 的错误分类清晰。

将未流式化的工具参数冲刷从 serving 层移到 parser

值得精读，特别是对 tool-calling 流式和 parser 架构感兴趣的同学。设计上的核心决策——将冲刷逻辑从 serving 层下沉到 parser——是典型的状态内聚重构范例，值得学习。合并方式选择了 merge-only 而非 standalone 分支，体现了避免丢失字段的权衡。同时，测试的迁移方式也为类似重构提供了参考。

修复 CI 中 NIXL 连接器 CUDA wheels 安装

值得快速合并，修复明确的 CI bug。建议后续关注：若出现新的 CUDA 版本（如 cu14），需更新脚本；也可考虑将 CUDA 版本检测逻辑放入共享的 CI 基础镜像中。