vllm-project/vllm

启用 Step3p7ForConditionalGeneration 在线测试

此 PR 代码量小，逻辑清晰，可直接合并。建议关注如果未来模型配置变更，需同步更新 `hf_overrides`。

AMD Zen CPU 上 zentorch 加速 W8A8/W4A16 线性层

值得精读，尤其是 kernel 选择器 fallback 设计、平台检测函数抽象以及量化权重兼容性检查。建议在后续 PR 中考虑引入 `PlatformEnum.ZEN` 并增加端到端集成测试。

MRV2 支持可中断 CUDA 图

本 PR 是 MRV2 CUDA graph 功能的重要扩展，值得关注其设计：通过 `run_pw_graph` 统一两种分段 CUDA graph 实现，降低调用方复杂度。建议 review 者重点关注 `cudagraph_mode.has_piecewise_cudagraphs()` 的语义是否正确覆盖了启用条件。

修复 Gemma4 MTP TP>1 时 CUDA 非法内存访问

值得精读。该 PR 展示了 CUDA graph replay 场景下的经典问题：中间张量生命周期短于 graph 重放周期，导致非法内存访问。采用缓存 tensor 并确保 contiguous 的修复模式可作为团队内部处理类似问题的参考。

新增 Rust 前端代码所有者

该 PR 属于治理和基础设施变更，内容简单直接。建议快速合并以正式化 Rust 前端所有权分配，无需深入审查实现细节。

ROCm AITer Flash Attention 后端支持 attention sink

建议精读 `rocm_aiter_fa.py` 中 decode 路径的内核切换逻辑，这是一个典型的「功能开关驱动内核选择」模式。建议作者补充对 AITer 版本的兼容性处理，并添加至少一个单元测试验证 sinks 路径不被意外绕过。

修复 RMSNorm 内核权重 dtype 精度回归

建议所有用户升级此修复。对于内核贡献者，本 PR 提供了一个重要的数值精度决策案例：在编写 CUDA kernel 时，必须始终与 Python 前端的 dtype 规范保持一致，即使 FP32 直观上更精确，也要考虑累积误差。值得关注的设计决策：拒绝 'FP32 总是更好' 的假设，通过实验证据证明原生 dtype 的正确性。

修复非ROCm平台导入rocm模块异常

值得阅读。该 PR 展示了处理平台特定导入的最佳实践：避免在模块导入时执行可能失败的硬件检测，使用条件导入和本地 fallback 函数。对于测试文件的平台兼容性处理有参考价值。设计决策清晰，讨论聚焦。