vllm-project/vllm

集中 HF Hub 调用并附带 vLLM 库标识

值得精读，尤其是 `repo_utils.py` 中的设计模式（单例 + library tagging）。对于计划集成外部服务的项目有借鉴意义。建议合入后通知团队遵循新的调用约定。

移除 CPU 构建中无效的 triton-cpu 依赖

值得精读，尤其是学习如何将不稳定的外部依赖从 Python 包声明迁移到容器构建阶段，以提高跨平台兼容性。Docker 多阶段构建中条件化构建外部依赖的技巧具有通用参考价值。

PR 无文档变更时跳过 ReadTheDocs 构建

建议合并。这是一次精益的 CI 优化，改动小、收益明确、风险可控。代码注释清晰（第二 commit 补充了路径说明），后续维护成本低。

修复 MLA 注意力 KV 缓存腐败

值得合并，修复明确，风险极低。建议 reviewer 额外关注是否还有其他 attention spec 被遗漏（如未来的新类型），可考虑 vadiklyutiy 建议的简化方案——无条件清零所有新分配 block。另外，建议在开发者文档中记录哪些 attention kernel 需要清零 KV cache block。

ROCm DSv3.2 解码三步 CPU 微优化，减延迟 ~3%

值得精读，尤其是元数据缓存和 shrink-tail 设计思路。注意事项：缓存键缺少对 `seq_lens_cpu` 不可用的保护，建议团队在合并时确认该场景；后续应增加单元测试覆盖缓存逻辑。

修复 DSv4 AITER MoE 权重加载与 shuffle 三大 Bug

建议精读。该 PR 修复了 DeepSeek-V4 在 ROCm 上的关键障碍，并通过一次性能显著提升验证了 AITER FlyDSL MoE 的实用性。尤其值得关注 TP 分片偏移的修正逻辑，以及 AITER 原生 shuffle 函数的对接方式，这为后续其他 MXFP4 后端的同类问题提供了参考。

RDNA3 原生 W4A16 内核，fp16/bf16 性能飞跃

值得所有 AMD ROCm 平台开发者精读，尤其关注 C++ HIP 内核实现（标量 dot-product vs WMMA 调度、LDS 双缓冲、LLVM 编译器 bug 变通）和 Python 监听门控模式。对于量化推理优化者，该 PR 提供了一个针对消费级 GPU 极致优化的参考案例。

修复 Step3 模型流水线并行中 residual 的 KeyError

值得合并，修复明确且低风险。建议团队后续为流水线并行的 IntermediateTensors 初始化编写单元测试，防止类似问题在新模型中复现。