vllm-project/vllm

ROCM Python-only CI 改用同构建 wheel 与源码 overlay

值得精读，尤其关注 run-amd-test.sh 中「git archive overlay + VLLM_VERSION_OVERRIDE + 同构建 wheel」的组合处理模式，这是 vLLM native/artifact CI 架构的关键一环，对理解后续 ROCm CI 演进很有帮助；同时它示范了「测试必须验证同一次构建产物」的 CI 最佳实践，对任何依赖预编译产物的项目都有参考价值。

新增 GB10 E=256/512 的 fused-MoE fp8 调优配置

值得快速浏览而非精读：价值在于理解 vLLM fused-MoE tuning 配置的命名约定、分桶粒度与参数规律（小 M 用小 GROUP_SIZE_M、大 M 提升 BLOCK_SIZE_M 与 GROUP_SIZE_M、num_stages 做流水线/寄存器折中），以及"真机 sweep + E2E 验证"的配置提交流程。对计划为其他设备或形状提交调优配置的贡献者，该 PR 是很好的模板。

修复 breakable CUDA graph 下 DSV4 indexer 打分被跳过

值得精读。改动虽小，但精准打击了 CUDA graph capture 语义与运行时动态条件分支的冲突，是 breakable graphs 场景下极具代表性的正确性修复。建议与 #52448 issue 的根因剖析、#52401 的 region 选择方案、#51318 的元数据回退一起阅读，能完整理解 DSV4 稀疏 MLA 在 CUDA graph 下的演进脉络。

缓存 logits 处理判定，MRV2 采样门控提速约 70%

值得精读。这是一次典型的“热路径判定预计算”优化：把每步重复扫描 7 个数组的工作折叠为 `add_request()` 一次的 O(1) 写入，且测试通过参数化把组合谓词的每个分支都钉死，并专门覆盖槽位复用与活跃子集过滤两个最容易踩坑的点。关注点：未来扩展采样状态时如何保证缓存同步，可考虑把谓词收敛到单一派生结构或在测试中增加“缓存与实际状态一致性”的断言。

文档新增 MatrixHub 模型源，配置 HF_ENDPOINT 即可接入

不建议把该 PR 作为源码精读对象，它不包含任何实现逻辑。但对两类读者有参考价值：一是负责 air-gapped/私有化集群部署的工程师，可直接复用 HF_ENDPOINT 指向自托管 registry 的接入模式；二是关注 vLLM 生态演进的架构师，值得留意「零代码接入第三方 HF 兼容模型源」这一设计取向——vLLM 通过标准环境变量保持下载链路的可插拔性。

为遗漏 before 校验器补非对象 body 防护，500 转 422

值得精读。虽然 diff 本身极为机械（每个校验器加 2 行 guard），但 PR 的价值在于方法论：对 `vllm/entrypoints/**` 做全量扫描确认遗漏清单、与 #42961 / #44537 的分层辨析、以及「guard 不吞真实错误」的回归测试设计，都是同类入口协议修复的范本。重点关注 #51654 的延续方式与测试参数化写法。

统一索引器缓存 dtype 配置，弃用旧布尔开关

值得精读。核心看点是配置弃用的低成本实现套路：旧字段在 `__post_init__` 中折叠进新字段、再从 `compute_hash` 剔除，实现别名共享编译缓存 key 而不分裂；`dsa_indexer_uses_fp4` 把校验提前到模型构造期、并把 `assert` 改为 `ValueError` 以在 `python -O` 下仍生效，都是可复用的工程细节。建议后续补充解析矩阵的单元测试，并在 release note 中标注冲突配置报错的行为变化。

在 AMD gfx950 上启用 ViT/encoder CUDA graph 测试

该 PR 值得快速浏览，主要价值在于 CI 测试扩展的组织方式：通过 `is_cuda_alike()` 统一平台判定、利用 `--ignore` 避免重复执行、将小测试整合进既有步骤而非新增独立步骤，这对维护多硬件 CI 矩阵有借鉴意义。若关心 ROCm 平台支持或 CI 效率，建议精读 `.buildkite/test-amd.yaml` 的改动与 review 讨论；若只关注推理内核逻辑，则无需深入。