vllm-project/vllm

FlashInfer MNNVL 后端支持量化融合

建议合并。PR 改动量小、目标明确，符合 vLLM 现有架构设计。值得关注的是 quant workspace 初始化重构中显式抛 ValueError 的设计决策——避免静默降级有助于用户快速定位配置问题。建议后续补一则硬件可用性测试（如标记为 `needs_hardware`），确保在新的 CI runner 上能验证 MNNVL 量化融合路径。

ROCM CI Rust 构建缓存优化，避免非 Rust 变更时重复编译

推荐 CI 和构建团队精读，特别是 Docker 多阶段缓存和内容哈希模式，可复用于其他高频编译模块。

修复 Qwen MTP 在 MoE SP 下的 token 损坏

建议精读本 PR，理解 `_all_gather_hidden_and_residual` 的修复模式。该模式可作为未来 PR #47006 类似变更影响 MTP 路径时的参考样板。同时建议为 MoE SP + MTP 组合添加自动化回归测试。

为 s390x 构建层级 NUMA 拓扑以优化 TP 性能

建议阅读此 PR 以了解如何为异构 CPU 架构适配 NUMA 感知的核绑定。特别值得关注的点：`cpu_resource_utils.py` 中通过 `numa_node` 字段复用现有分组机制的设计权衡，以及 `ompmultiprocessing.py` 中根据 CPU 列表直接派生拓扑域以绕开物理内存节点的思路。虽然缺少自动化测试，但核心逻辑以注释和 warning 记录了假设，整体改动清晰。

修复 EagleMiniCPM 单元测试 TypeError

建议审核者快速合并。该 PR 修复了一个明确的测试失败问题，改动量小（+11/-3），已被 @DarkLight1337 批准。后续可关注是否真的需要多模态支持（届时移除 `inputs_embeds` 处的 raise 即可）。

CPU 后端 GDN 模型 DFlash 投机解码支持

该 PR 的设计决策值得学习，尤其是通过宽 conv 缓存实现状态回滚、SSM 多槽索引以及 C++ kernel 的并行/串行拆分。建议阅读 `cpu_gdn_attention_core` 的分支逻辑和 spec kernel 的 clamp 处理。推荐精读。

在 ROCm 上禁用 CUDA graph 内存分析

该 PR 内容简洁，值得快速 review 和合入。对于理解 vllm 多平台适配中的条件检查和性能权衡（特别是 CUDA graph 内存分析在不同硬件平台上的行为差异）有参考价值。无需特别精读，但可作为平台差异化处理的案例。

ROCm 上保留 base-class all_gather 路径修复 decode 回归

值得合并。这是一个经过充分性能测试的针对性修复，修复了重要回归，风险极低。