vllm-project/vllm

修复 ROCm CI base 镜像哈希计算与传递

该 PR 为 CI 稳定性修复，值得精读以了解 CI 镜像选型中的竞态问题及解决方案。关注其设计模式：通过多次计算并比对、显式失败代替静默默认值来提升确定性。

新增 Helion 内核基准测试脚本与惰性注册

本 PR 值得精读，尤其是 `benchmark_helion_kernels.py` 的设计：如何选择基准测试方法（triton.do_bench vs tritonbench 的 cudagraph 实现）、如何组织基线映射。惰性注册的模式也值得在类似场景复用。风险较低，建议合入后通知相关开发者检查自定义脚本是否需要显式调用 `import_all_kernels()`。

Helion 内核注册改为惰性模式

建议此 PR 值得精读，因为它提供了一个清晰的惰性注册模式，适合其他类似的自定义内核或插件系统参考。关键设计决策是将注册与包导入解耦，提高了启动速度和日志清晰度。

为 XPU 注册批次不变核函数，支持强化学习

值得精读，尤其是其跨平台 dispatch key 抽象和测试基础设施的统一设计。评审中关于 `allow_override` 的讨论提醒了 dispatch 冲突处理，是值得关注的设计细节。建议在后续 PR 中尽快补齐 matmul/linear 的注册，并移除 E2E 测试的 xfail。

重新启用 ROCm cudagraph 内存分析并修复吞吐回归

建议精读该 PR，它展示了 GPU 内存流分配对性能影响的深刻分析，以及一个优雅的修复——通过调整捕获流（而非重写内存管理）来解决问题。审查在线讨论（特别是关于 AITER 缓冲区所有权和 torch 缓存的深入技术分析）非常有价值。

新增 RoBERTa/XLM-RoBERTa 的 Token 分类支持

值得查阅以了解如何添加新的 pooling 模型。设计决策包括：通过装饰器指定 attention 类型和池化类型，复用 BertModel 并替换 embedding_class，利用 AutoWeightsLoader 自动映射权重。这展示了一种低代码复用的模型注册模式。

为 P2P KV 卸载添加可配置监听地址与 DP 级端口偏移

该 PR 值得精读，尤其是环境变量驱动的配置回退模式、DP rank 偏移端口分配、以及 NIXL agent 名称与其身份的解耦设计。Review 中关于默认值安全性的 discussion 也体现了将安全 left-shift 到 API 设计的思路。对于部署大规模 PD 分离 + 数据并行的团队，此 PR 是必需的。

修复 test_fs_tier.py 中 drain() 竞态条件

值得合并，修复了明确竞态条件。但建议确认 `tier.drain_jobs()` 是否有内部超时机制，若没有可考虑添加测试级超时以防范 hang。