vllm-project/vllm

弃用 vLLM 内部未使用的 cProfile 辅助函数，引导用户直接使用 Python 原生模块。

此 PR 变更简单直接，无需深入技术分析。对于维护者，值得关注的点在于其遵循了“先弃用后移除”的良好实践，为外部用户提供了明确的迁移路径和版本时间线（v0.21）。

通过后台线程并行化导入和预取，显著减少 vLLM 冷启动时间。

建议精读此 PR，关注后台线程的启动时机（CLI 入口最早点）、错误处理的最佳努力策略，以及设计权衡如线程 vs 进程、条件触发（仅 serve 命令）。对于性能优化和系统启动流程感兴趣的工程师，可从中学习重叠 I/O 和并行化技巧。

更新多模态CUDA图文档，确认支持图像+视频混合输入。

此PR是纯粹的文档更新，无需深入阅读代码。对于想了解多模态CUDA图支持边界的开发者，可以快速浏览此文档变更以获取最新信息。关注点在于文档如何反映底层`_execute_mm_encoder`和`group_and_batch_mm_kwargs`的分组批处理机制对混合输入的支持。

修正 Gemma4 多模态嵌入器中 LayerNorm 顺序

该 PR 值得精读，特别是对于想了解多模态模型中归一化位置对精度影响的研究者。类 docstring 的过时是一个微小残留问题，建议合入前或后续补上。

将注意力层配置日志从 info 降级为 debug，减少默认日志输出。

该 PR 变更简单直接，无需深入精读。对于关注日志治理或希望了解如何控制 vLLM 内部日志输出的开发者，可以留意此模式：在核心模块（如注意力层）中将详细配置日志设为 DEBUG 级别，以保持默认 INFO 日志的清晰。

修复模型配置类注册错误，确保自定义插件模型正确加载。

建议精读此 PR，重点关注双重注册的设计决策，了解如何在保持 `AutoConfig.from_pretrained()` 统一路径的同时处理模型类型不一致问题。对于配置加载模块的开发者，此变更展示了权衡方案和测试验证的最佳实践。

新增 IR 操作测试与基准测试基础设施，支持自动化准确性验证和性能对比。

该 PR 值得精读，因为它展示了如何为 vLLM IR 操作设计可扩展的测试和基准测试基础设施。关注的设计决策包括输入生成器与操作绑定的机制、容忍度覆盖的灵活性，以及跨平台基准测试的实现方式。对于从事测试框架、性能优化或 IR 系统开发的工程师有较高参考价值。

修复共享专家重叠禁用逻辑的回归，确保在EPLB非默认后端和FlashInfer DP场景下正确禁用。

该PR值得精读，重点关注 `_disable_shared_experts_overlap` 属性的设计决策：它如何基于并行配置动态禁用重叠，体现了配置驱动架构的灵活性。此外，清理注释和断言的变化虽小，但反映了代码演进的细心，有助于理解MoE模块的内部控制流。