vllm-project/vllm

修复 NIXL 在混合 MLA+Mamba 异质 TP 下的 KV 传输

值得精读，特别是对 NIXL KV Connector 或异质 TP 感兴趣的工程师。该 PR 展示了如何优雅地处理混合注意力机制下的 KV 传输分发逻辑。建议合并后添加相应的单元测试或集成测试以提高覆盖。

将 derender CPU 工作卸载到线程池

建议合入。该 PR 变更简洁（+24/-0），设计模式清晰（同步到线程池卸载），基准测试数据充分，且已有主要维护者批准。值得精读其使用 `make_async` 与 `renderer._executor` 的配合方式，作为 vLLM 中避免事件循环阻塞的典型范例。

移除冗余AITER探针，修复HIP初始化导致fork失败

该PR值得合并，它修复了一个特定于ROCm平台的bug，同时精简了代码。设计上清除了一个在配置阶段意外初始化HIP的陷阱，对后续开发维护有积极意义。建议阅读config和pass_manager中的条件简化，了解如何避免类似问题。

为 XPU 相关 Issue 添加自动标签

建议合并。此变更是对 CI/CD 流程的微小改进，无风险，值得作为基础设施优化的一部分。

ROCm 平台 NIXL/UCX 升级及 RIXL 迁移

该 PR 是 ROCm 平台基础设施的关键升级，建议阅读 `docker/Dockerfile.rocm` 和 `vllm/distributed/nixl_utils.py` 的变更，理解 NIXL 的集成方式和包名统一策略；测试覆盖完整，值得信赖，可安全合入。

CUDA 图捕获时始终构建注意力元数据

此 PR 是必要的技术债务清理，消除了 `skip_attn` 引入的隐含条件，使逻辑更清晰。推荐精读源码中的长注释，以理解 CUDA 图捕获中注意力元数据的设计权衡。

修复空上下文分块合并的注意力损坏

值得精读。此 PR 展示了如何通过精细的 Triton 内核设计解决注意力合并中的微妙正确性问题。对于使用 PCP+MLA 的团队，此修复至关重要。建议关注其 warp 并行请求查找的设计模式，可作为类似问题的参考。

迁移 MoeWNA16 量化方法到新 MK oracle 方案，新增 Triton 后端

该 PR 是 MoE 量化层后端选择的重要重构，引入 oracle 模式，值得对 MoE 量化感兴趣的开发者精读。尤其是 `_backend_incompatibility_reason` 的设计以及多后端兼容性处理。若使用 WNA16 量化的 MoE 模型，建议在测试环境验证精度后再上线。