vllm-project/vllm

支持 Intel XPU INT2 权重量化

值得关注的设计决策是 int2 强制依赖 ARK 而不提供 fallback，这简化了代码但限制了可移植性。评审中的模型规模和版本锁定讨论也具参考价值。建议阅读 `inc_wna16_scheme.py` 的条件逻辑和测试覆盖策略。

新增填充感知的 SwiGLU limit Triton 内核

此 PR 值得精读，特别是 Triton kernel 的设计模式（persistent row、列分块）以及如何通过 `topk_ids` 和 `expert_map` 实现填充感知。设计决策上将 pad-aware 功能无缝集成到现有接口中，保持向后兼容，是很好的工程实践。建议后续补充正式的单元测试。

修复 Dynamo OTEL span 起始时间错误

PR 修复逻辑正确，改动简洁，已获 reviewer 确认和独立复现。建议合并。

在 OpenAI 端点暴露 logprob_token_ids 支持

值得精读，尤其是协议层字段添加、验证器编写和采样参数传递的模式。这是 vLLM 前端扩展规范化的良好示例。

添加 BertForMaskedLM 模型支持

该 PR 实现清晰，适合作为新模型集成的模板。权重映射和命名处理的细节值得关注。建议阅读 bert.py 中的 BertForMaskedLM 类实现和对应的测试。

修复 Qwen3-VL MoE 缺少 model_config 属性

该 PR 虽然改动极小，但解决了编码器 CUDA Graph 场景下的崩溃问题，建议合并。值得关注的是一行修复背后涉及的继承设计问题：MoE 子类跳过了父类 init，未来若父类新增初始化逻辑，可能再次遗漏。

Mamba/SWA 共享前缀缓存保留优化

值得精读。PR 展示了如何在不改变上层接口的情况下，通过扩展内部数据结构（Request.shared_prefix_boundary）和统一分块停止条件，将 Marconi 缓存与稀疏 retention 策略优雅融合。`_mamba_block_aligned_split` 的重写是理解 vLLM 调度器核心逻辑的绝佳范例。建议关注 Mooncake 连接器的后续统一适配以及跨组共享前缀边界的精确性校验。

为 Qwen Eagle3 添加滑动窗口注意力支持

建议精读，这是一个清晰的特性扩展示例：通过配置驱动的 per-layer 滑动窗口支持，展示了如何在不破坏现有架构的前提下，为投机解码模型添加新能力。值得关注的是参数传递路径：从 Eagle3 特定层 → 通用 DecoderLayer → Attention 层。