vllm-project/vllm

支持双CUDA流以并行执行LoRA线性层计算，提升推理性能。

建议技术管理者和工程师精读vllm/lora/layers/base_linear.py中的异步实现，关注流管理和PDL启用条件；设计决策值得学习，尤其是双流并行化模式。

将XPU相关依赖从2.11.0降级回2.10.0，以解决oneCCL依赖问题。

此PR为基础设施调整，逻辑简单，无需精读。建议关注：1. 后续是否有PR解决oneCCL依赖并升级回2.11.0。2. 注意torchvision版本不一致可能带来的环境问题。

清理ROCm CI中过时的speculative decoding测试，并调整acceptance测试标记。

该PR变更简单直接，适合快速浏览以了解CI配置清理。值得关注的是团队对测试冗余的判断和取舍，但无需深入代码逻辑。建议后续关注speculative decoding功能是否在其他测试中得到充分覆盖。

修复CUDSL MoE测试中张量设备不匹配导致的IMA问题。

该PR变更简单，无需精读。对于工程师，可关注点：在编写测试时确保张量设备一致性，避免跨设备操作导致的IMA问题。对于技术管理者，这是一个典型的测试稳定性修复，无需额外关注。

修复编译后端中 _decompose_size_nodes 对 getitem 用户处理错误导致的参数数量问题。

建议编译模块开发者精读此 PR，了解 size 节点分解的正确处理方式，并注意 symbolic 索引的潜在问题。对于符号形状支持，可能需要进一步优化或添加测试覆盖 symbolic 场景。

修复 MoE 专家路由捕获器在数据并行和 MK 量化路径下的断言错误，避免 CUDA 图捕获崩溃。

建议工程师精读 `routed_experts_capturer.py` 的 `capture` 方法变更，理解两种 DP dispatch 路径的差异及其在量化上下文中的处理方式。关注错误处理从警告到断言的演变，这体现了对可靠性的重视。

将NIXL KV缓存传输连接器重构为模块化目录结构，提升代码组织性和可维护性。

建议技术管理者将此PR视为代码组织最佳实践案例，关注模块化设计对长期维护的益处。工程师应精读scheduler.py和worker.py，理解线程安全设计和模块职责分离；同时注意review中提到的未解决风险，在后续开发中优先修复。

移除误导性的prompt_tokens_recomputed指标，简化缓存命中统计逻辑。

该PR值得精读，尤其是对于关注vLLM指标系统和缓存命中统计的工程师。关键设计决策包括：1) 识别并移除误导性指标，避免技术债务；2) 简化统计公式，使local_cache_hit和external_kv_transfer的计算更直观；3) 与PR #37460的关联展示了指标系统的演进方向。