vllm-project/vllm

FlashInfer 一侧 combine 直接写入最终输出

建议精读 `combine_into` 方法的实现，它展示了如何通过运行时探测与向后兼容的方式引入新特性。这是一个良好的设计模式，适用于对外部库功能有版本依赖的场景。审阅者可以关注 `supports_kw` 的可靠性和测试覆盖。

pooling 离线推理新增多线程预处理与 tiling 重叠调度

值得精读。重点看三点：① request_factory + render 的逐请求流式预处理抽象，如何把批处理拆成可并行单元交给线程池；② _run_tiling_engine 的窗口式调度（max_num_seqs * 2）与异常清理逻辑；③ 作者对 _render_and_run_requests 与 tiling 语义差异的分析，这解释了为什么需要做接口破坏性重构。同时可把 conversations 分支死代码、executor.map 无界提交作为后续跟踪项。

升级 cutlass-dsl 4.6.0，删除打包 workaround

值得精读，尤其是理解如何处理上游打包 bug 和回退策略。展示了依赖升级引发的跨仓库（vLLM ↔ flash-attention）协调模式。

启用gfx942 split sparse decode，解码性能提升40%

值得合并。性能提升明显，且风险极低。评审已经通过。建议后续关注是否有其他架构（如gfx940）也能受益，但需单独验证。

NIXL 库版本从 1.3.0 升级到 1.3.1

低风险、常规依赖升级，可快速合并。无需精读。

修复混合模型 PD 异步调度精度回归

建议精读此 PR，特别是调度器侧跳过清零的设计模式和使用外部令牌授权推导覆盖块的方法。值得注意的设计决策：避免在异步管道中加入 CUDA 同步点，而是通过元数据告知调度器排除特定块。

合并 `_logical_to_remote_kernel_block_ids` 到 `_logical_to_kernel_block_ids`

建议精读。该 PR 展示了如何通过参数化消除重复函数，以及如何借助测试注释传递关键设计意图（如静默精度损坏的根因）。对于维护 NIXL 模块的工程师是必须理解的变更。

定义 KV Offload 后端配置边界，重构配置所有权

该 PR 是架构分层的优秀范例，建议所有涉及 vLLM 卸载系统或配置管理的工程师精读。关键设计决策包括：依赖倒置（kv_offload 定义接口，connector 实现翻译）、冻结数据类确保不变性、以及系统性术语统一。阅读时重点关注 `build_offloading_config` 如何编排多个配置源，以及 `OffloadingSpec` 如何从庞杂的初始化简化为单一配置对象。该 PR 也为后续 MLA 去重功能奠定了配置基础。