vllm-project/vllm

为ViT添加融合Triton内核，显著提升位置嵌入插值性能，影响所有Qwen3 VL模型。

该PR值得精读，特别是融合内核设计和回退机制，适合关注性能优化的工程师学习；建议重点关注`_bilinear_pos_embed_kernel`中的索引数学和权重融合逻辑，以及测试覆盖策略。

利用 PyTorch 2.9.0 特性简化多模态掩码处理，避免 CPU/GPU 同步。

建议工程团队精读此 PR，重点关注如何利用 PyTorch 新特性简化代码的设计决策，特别是 _merge_multimodal_embeddings 函数的变更。对于多模态模型开发者，需了解 CPU tensor 处理的变化，并检查相关模型定义是否已适配。此 PR 展示了性能优化与代码简化的平衡，值得学习。

为CPU注意力后端新增512头尺寸支持，扩展模型兼容性。

该PR值得快速浏览以了解CPU注意力后端的扩展机制，但无需深入分析，因为变更简单直接。关注点在于如何通过修改生成脚本和列表来添加新尺寸支持，可作为类似扩展的参考。

通过懒导入 diskcache 修复启动时因 sqlite3/libstdc++ 导入错误导致的崩溃。

该 PR 是一个简单但重要的 bugfix，适合所有开发者快速阅读以了解懒导入模式在避免环境依赖问题中的应用。无需深入分析，但可关注其修复回归问题的设计思路。

修复score/rerank API使用聊天模板时添加额外换行符的bug，对齐transformers输出。

建议处理多模态内容或聊天模板的工程师精读此PR，关注multimodal_content_part_separator参数的设计决策，以及如何通过参数化控制字符串连接来修复对齐问题。同时，注意review中指出的参数不一致风险，在类似代码中确保一致性。

为稀疏MLA索引器预填充分块添加logits大小预算，防止CUDA OOM。

建议涉及内存管理或注意力后端开发的工程师精读此PR，重点关注split_indexer_prefill_chunks函数的设计决策，如子分块策略和环境变量集成，这有助于理解vLLM在稀疏注意力场景下的内存优化手段。

标准化量化KV缓存检测，统一使用is_quantized_kv_cache函数替换字符串检查。

建议开发者在涉及量化KV缓存逻辑时关注此变更，但变更机械简单，可作为代码风格改进和集中化检测逻辑的参考，无需深度精读。

优化均值池化方法，使用分块和index_add提升吞吐量5.9%。

建议工程师精读此 PR，关注 chunked index_add_ 的设计决策，以学习内存友好型性能优化技巧。同时，需注意除法为零的风险，可在后续开发中考虑修复或添加额外防护。