vllm-project/vllm

修复flashinfer_nvlink_one_sided后端因工作空间大小硬编码导致的非nvfp4数据类型静默数据损坏问题。

该PR值得快速浏览以了解数据类型与后端兼容性的重要约束。虽然实现简单，但揭示了分布式计算中工作空间硬编码可能导致的静默错误模式，对于处理量化或自定义后端的工程师有警示价值。关注点：错误信息的设计是否足够清晰可操作。

修复 Python-only 构建文档中的 404 回退指导，使用 nightly 版本作为 fallback。

该 PR 变更简单，无需精读代码；值得关注的是讨论中关于文档清晰度和回退策略的设计决策，有助于理解安装流程最佳实践。

修复Triton W4A16 GEMM内核中BLOCK_K大于group_size时量化scale错配导致的静默数据损坏问题。

该PR值得精读，因为它揭示了一个量化内核中容易忽略的正确性边界条件。关注点：1. 量化内核中BLOCK_K与group_size的依赖关系设计。2. 静默数据损坏的检测和修复方法。3. 性能与正确性的权衡（限制BLOCK_K可能影响效率）。

为多轮对话基准测试添加 JSON 性能数据导出功能，提升用户体验。

该 PR 变更简单直接，适合快速浏览以了解基准测试工具的小幅改进。对于关注基准测试基础设施或性能监控的工程师，值得关注其如何通过命令行参数扩展和 JSON 序列化来增强用户体验。设计决策上，注意 review 中关于错误处理和文档准确性的讨论，体现了对用户体验细节的重视。

修复UMA系统上GPU内存报告错误，使用is_integrated属性替代硬编码检测。

此PR值得精读，展示了如何通过平台抽象层改进硬件检测机制，避免硬编码带来的维护负担。关注is_integrated_gpu方法的引入和在MemorySnapshot中的集成方式。

为 GPT-OSS 检查点创建专用 MXFP4 量化配置类，区分通用 MXFP4 支持。

该 PR 值得精读，特别是量化配置的设计决策，如基类与子类的划分、配置标准化路径的实现。建议关注 `GptOssMxfp4Config.override_quantization_method` 如何结合模型类型进行安全映射，以及 `_is_mxfp4` 辅助函数如何统一处理 MXFP4 变体，这些模式可用于类似场景。

修复稀疏注意力索引器中张量形状不匹配导致的推测解码运行时错误。

建议关注此PR，因为它揭示了稀疏注意力与推测解码集成时的边缘情况处理。对于从事推测解码或稀疏注意力开发的工程师，值得精读以理解形状对齐的陷阱。设计决策简单但关键，展示了如何修复因重构遗漏导致的形状不一致。

修复多连接器边缘测试中本地缓存命中指标断言，适配PR #38709的指标语义变更。

该PR变更简单，可快速浏览以理解指标语义变更对测试的影响。值得关注的是关联Issue评论中提到的指标计算根本问题，建议结合PR #38709和可能的调度器修复PR（如#37460）一起查看，以全面理解指标语义演进。