vllm-project/vllm

修复 MLA 注意力层 kv_cache_dtype_skip_layers 失效问题

建议精读本 PR：展示了如何在前序特性基础上补充分支覆盖，体现了高代码质量意识。注意 `drakosha` 提及的关联崩溃问题（`kv_quant_mode` 未同步）可能仍需后续修复，建议关联跟踪 issue。

优化 fused_topk_bias 数据类型转换，性能提升 1.5-2 倍

值得仔细阅读 CUDA kernel 的模板设计技巧——通过设备函数统一索引类型，避免 Python 层拷贝。该模式可推广至其他需要异构类型输入的 kernel 优化。Python 侧逻辑简化也提升了可读性。

添加 giuseppegrossi 到 ROCm 自动 cc 列表

无需精读。该 PR 属于团队协作的常规维护操作，适合快速合并。

迁移GLM5.2 MoE序列并行到非torch编译路径

值得精读，因为它展示了在非torch compile环境中如何手动管理序列并行的all-gather/ reduce-scatter以及fused norms。关注点：设计者如何通过在Decoder层内检测序列并行状态来避免额外的通信，以及MTP层中显式属性与隐式形状推断之间的权衡。该PR的修改是干净的，但缺少测试是明显弱点。

两阶段 split compressor 优化 DSv4 prefill TTFT

值得精读。此 PR 展示了如何通过 occupancy-targeted split 解决 kernel 级串行瓶颈，设计思路可推广到其他类似 pattern。关键设计决策：split 沿 head 维度无数据依赖、num_splits 动态计算、平台条件编译。

修复 NVFP4 MoE gated 中间维度对齐错误

该 PR 值得合并，修复逻辑清晰且数学上正确。建议精读理解 NVFP4 MoE 的权重对齐策略。

新增 DSv4-Flash 可选精度测试并修复 GPU 分配 bug

该 PR 主要是 CI/测试改进，适合 CI 维护者关注。值得借鉴的是对 Bash 算术陷阱的修复，可作为多 GPU 测试脚本编写的注意事项。新增的可选测试为重要模型提供了回归保护。

修复 Blackwell 上 FlashInfer 非因果 draft attention 崩溃与验收率低问题

推荐精读此 PR，它揭示了 CUDA 图与 attention backend 交互的隐患，展示了如何在 vLLM 中正确协调两者。特别是 `attn_vllm_config` 属性和 `init_cudagraph_manager` 的模式值得借鉴。后续可将 FlashInfer prefill wrapper 的 CUDA 图模式正确集成，恢复全图加速。