vllm-project/vllm

Qwen DSpark 草稿新增归一化支持，避免误判为 DSV4

值得快速精读：单文件 15 行改动，是理解 vLLM 推测解码配置分层归一化的简洁案例。建议重点关注：if/elif 分支顺序设计（新 Qwen3 分支必须先于 DeepSeek-V4 通用分支）、`update_arch_()` 的语义、以及缺少自动化测试这一遗留问题——后续应补充针对 `DSparkDraftModel + qwen3` 归一化的单元测试，防止回归。

整合 B12X 线性内核与 warmup，统一为 provider 单元机制

值得精读，尤其是 provider 模式的设计：把“模型层挂载内核”和“warmup 编排”解耦，`B12xWarmupUnit` 以闭包捕获编译上下文、按 key 去重，是处理多格式 JIT 预热的可复用模式。对后续新增 B12X 算子或量化内核的贡献者是好模板；但建议合并前对照旧测试逐一确认行为等价性，并关注 nightly Spark job 是否真正跑满 4 个 SM12x 硬件用例。

前缀缓存保留间隔升级为 CLI 参数，默认只保留最新重放边界

值得精读。本 PR 是一个典型的"配置暴露方式升级"实践，三点设计值得借鉴：一是用 factory + default_factory 同时承载默认值变更与旧环境变量兼容；二是默认值变更后同步调整校验语义（0 对纯 attention 不报错，正整数才报错），避免默认配置引发启动失败；三是使用 dataclasses.replace 派生配置对象，从机制上杜绝新增字段被手工构造遗漏。对正在治理环境变量泛滥或做配置体系收敛的团队有参考价值。

修复 qzeros 转置判定歧义，方形层不再误判

值得精读。核心看点是 process_weights_after_loading 中'元数据优先 → shape 回退 → 歧义默认值'的三层判定策略，以及作者对回退-重做过程的处理（先 revert 再重写，而不是在坏逻辑上打补丁）。建议后续跟进补齐方形层 + 元数据缺失场景的回归测试，并把 Qwen3.6-27B / MiniMax-M3 的验证固化为自动化用例。

Kimi-K3 推测解码新增 RecoverSSM 恢复路径，缓存容量 +10.97%

CPU 注意力分组 head count 改从层读取，修复 Laguna 解码崩溃

值得精读。重点关注三点：一是 commit 演进从"按不同 head count 构建多份元数据字典"收敛为"利用 attention group 以 num_heads_q 为 key 的不变量直接取组内 head count"，是典型的用既有不变量简化设计的好案例；二是 `get_num_attention_heads_from_layers()` 的跨后端复用，体现 vLLM 正在标准化分组元数据的读取方式；三是"用断言拒绝不可能状态"（混合 head count 的 group）而非静默容忍的防御风格。

校验 BGE-M3 组合任务所有权：无插件时给出可操作报错

值得精读。虽然源码改动很小，但它是“前端错误处理 + 任务所有权设计”的完整案例：如何避免用 pass-through 掩盖语义缺失、如何把特化逻辑收敛到工厂层保持 serving 层 task-agnostic、以及如何在评审中处理 diff 可评审性（CRLF）与热路径性能问题。对理解 vLLM pooling IO processor 插件架构有直接帮助。

在 XPU 平台启用 Kimi K3 KDA Triton 内核测试

值得快速浏览：这是一个把现有 CUDA 内核测试套件扩展到新硬件平台的典型范本，改动小、边界清晰。重点可关注两点：一是 vLLM 平台抽象（current_platform.device_type / is_cuda_alike / is_xpu）在多硬件测试中的门控用法；二是 gather_initial_states 的断言写法会被后续 XPU/Mamba/KDA 代码复用。若想进一步深入，可顺藤摸瓜阅读 is_flashkda_supported 与 is_fused_kda_decode_supported 的自门控实现，理解 vLLM 如何管理平台相关内核的支持范围。