vllm-project/vllm

修复 DeepSeek V2-Lite 精度回退 bug

本 PR 的核心修复（增加 `is_sequence_parallel` 检查）方向正确，但引入的缓存优化引入了新的竞态风险。建议在合入后尽快通过后续 PR 修正 `_fused_output_is_reduced` 的初始化时机（如改为惰性计算或延迟到 kernel 就绪后设置）。值得关注的是将 SP reduction 纳入 runner 的设计讨论，这有助于统一 reduction 逻辑。

修复 MoE workspace 动态调整时的显存泄漏问题

值得精读。该 PR 解决了实际部署中遇到的显存泄漏问题，展示了在动态形状推理中管理 GPU 显存的典型权衡。建议关注 `empty_cache` 的性能影响，并评估后续是否在初始化阶段预留最坏情况 workspace 以避免运行时调整。

新增 sm_110 (Jetson Thor) 到 CUDA 13.0 构建目标

此 PR 变更简单明确，解决了 Jetson Thor 用户无法使用 vLLM 官方镜像的关键问题。建议快速合并，并注意保持配置文件间的架构列表一致性。如果未来有其他架构加入，应同步更新此处。

将 XPU MoE 实现移至 experts/ 子目录

该 PR 值得快速合并，它是 MoE 子系统代码组织改进的一部分。主要关注点是确保所有导入路径已正确更新，这已通过 CI 验证。

修复多节点 DP 中 Ray control bundle 漂移导致 actor 错位

值得精读。该 PR 展示了如何通过 Ray placement group 的节点亲和性选项解决分布式中 actor 调度错位问题，设计决策清晰，注释详细，适合作为分布式调度问题的参考。

支持多KV组负载的加载逻辑

该PR是HMA功能系列的一部分，逻辑清晰但涉及多个边界条件。建议关注其与后续PR的集成，特别是滑动窗口和SSM的支持将如何修改null块处理逻辑。对于不涉及HMA的开发者影响较小，但值得了解其循环聚合模式。

重命名 MoE 专家参数映射函数为独立函数

值得精读。该 PR 是大规模 MoE 重构的铺垫，展示了如何通过细小步骤安全解耦核心模块。设计决策（预留临时转发函数、批量替换调用）可作为类似重构的参考。建议后续关注删除 `FusedMoE` 类的 PR，以完整理解架构演进。

拆分disaggregated CI测试到独立测试区域

建议在合并后立即跟进一个修复PR：添加设置`SW_ATTN=1`的CI步骤，或将gemma-3配置移回`tp_configs`并增加FlashInfer兼容性检查。同时考虑采纳gemini-code-assist的依赖文件建议。