vllm-project/vllm

消除 DSv3.2 稀疏 MLA 解码热循环中的冗余 FillFunctor 启动

值得精读。本 PR 展示了一个典型的性能优化模式：消除冗余 GPU 内核启动。对于运行 DeepSeek 模型且使用 ROCm 的团队，此变更可直接带来吞吐提升。同时，review 中关于工作区管理的讨论（使用 `current_workspace_manager` 替代全局变量）是值得学习的架构实践。

修复 WRITE 模式远程 TP 秩折叠问题

建议精读 `moriio_common.py` 中 `add_new_req` 方法对 `remote_tp_size` 的降级处理模式，该模式在处理分布式配置键的多版本兼容性方面具有参考价值。

删除 EP 实验性警告

该 PR 易于审核，可直接合并。

PCP 强制启用 V2 Model Runner

此 PR 变更简洁且必要，建议合并。可精读 `vllm/config/vllm.py` 中的 `use_v2_model_runner` 属性和 `_validate_config` 方法，理解 PCP 与 V2 的绑定模式。后续可考虑为 PCP 相关配置添加更多测试覆盖。

新增 Gemma4 MTP 验收率测试并修复 3 个 bug

建议所有使用 Gemma4 MTP 的开发者 review 此 PR，特别是采样位置修复部分。测试框架的泛化设计值得学习，可复用于未来新增的推测模型。

修复 Humming MoE 非门控专家形状假设

本 PR 值得精读，因为它展示了如何在已有的门控假设后端中安全地引入非门控支持，通过 `is_gated` 属性做条件分支，并配套形状契约测试确保正确性。对于 MoE 量化后端的开发者具有参考价值。

修复 MQA 在 TP>1 时 split 错误，新增 PackedQKVFuser

建议阅读本 PR 以了解 Transformers 后端的 fuser 设计模式，特别是 `PackedQKVFuser.match` 和 `update_forward` 中的 AST 重写技巧，以及基类重构的分层思路。对于维护或扩展现有 StackedFuser 子类的开发者，需关注 `RewriteFuser` 的 `fuse` 方法行为是否与预期一致。

修复 Quark GLM-5.2 加载与 ROCm 稀疏 MLA 元数据崩溃

值得精读。这是“共享 forward 重构遗漏后端同步”的典型修复，`supports_dense_mha_prefill` 能力标志模式可以迁移到其他能力检测场景；同时展示了多贡献者合并重复 PR、保留回归测试归属的协作流程。建议关注后续 ROCm aiter sparse MLA 的 dense-MHA prefill follow-up，以及 #49275 对 NVFP4 MTP 加载问题的补充修复。