vllm-project/vllm

修复 MultiKVConnector 中多同类连接器统计聚合和 Prometheus 指标重复注册的 bug。

该 PR 值得精读，因为它展示了如何在多实例配置中正确处理统计聚合和 Prometheus 注册的设计决策，对涉及连接器或监控模块的开发有借鉴意义。

为离线LLM.chat API自动保留结构化输出特殊令牌，确保Gemma4等模型的推理和工具调用解析。

此PR值得前端开发者和API设计者精读，它展示了在临时技术债务与用户体验提升之间的权衡决策。重点关注`_adjust_params_for_parsing`方法中的模型检测和令牌检查逻辑，以及review中关于代码维护性和API一致性的讨论，这些对理解vLLM如何处理结构化输出有重要参考价值。

修复 SM120 架构下因 MXFP4 算子绑定缺失导致的导入错误。

该 PR 虽然改动量小，但揭示了 vLLM 项目在支持多 GPU 架构时，构建配置与代码绑定之间需要严格同步的重要模式。**值得精读**，特别是关注其如何利用 CMake 宏和 Torch 扩展注册机制来解决跨架构的符号可见性问题。设计决策（将注册移至 `.cu` 文件）是解决此类问题的典型做法，对于处理条件编译的 C++ 项目有参考价值。

移除TurboQuant Hadamard旋转的随机符号，简化实现并添加历史归属。

该PR值得精读，特别是学习如何在量化系统中移除冗余功能而不影响性能，以及优雅处理向后兼容性的方法。关注 `TurboQuantConfig` 中 `seed` 字段的处理策略和测试更新的模式，这些设计决策对类似重构有借鉴意义。

重构批量不变矩阵乘法函数以支持通用ND x ND形状，修复Gemma4-E2B模型兼容性问题。

该PR值得精读，特别是通用处理策略的设计决策，展示了如何通过广播和reshape将高维问题规约到3D批量乘法，以及权衡代码简洁性与性能的思考。关注对现有路径的影响和测试覆盖的完整性。

为 MiniMax QK Norm 融合编译通道添加文档说明。

此 PR 是纯粹的文档补充，内容清晰。对于关注 MiniMax 模型优化或编译融合通道设计的开发者，值得快速浏览以了解该特定优化的存在和配置。但更值得关注的是 review 中暴露的底层内核 bug，这提示需要跟进相关内核修复 PR。

移除 liborsa 直接依赖，用 torchaudio 和内部工具替代

建议阅读此 PR 以了解如何系统替换一个外部依赖并保证数值等价。值得关注的设计决策：使用 torchaudio 的 melscale_fbanks 替代 librosa.filters.mel，并参考了上游兼容性测试。此外，示例和测试的统一替换模式（通过内部工具统一入口）也值得在类似重构中复用。

修正 AMD Zen CPU 后端支持的浮点类型，并将依赖切换至 zentorch 周构建版本。

此 PR 值得精读，特别是对于关注多平台支持或依赖管理的工程师。关键设计决策包括：通过覆盖 `supported_dtypes` 来匹配硬件能力，以及选择固定 zentorch 周构建版本而非版本范围。建议关注 review 中关于依赖版本管理的讨论，以权衡稳定性和可维护性。