vllm-project/vllm

ROCm 平台 CI 增加 Rust 前端测试覆盖

该 PR 展示了如何为异构平台（ROCm）扩展 CI 覆盖，值得 CI 基础设施团队和有跨平台需求的开发者阅读。脚本中的根目录回退技巧也值得借鉴。

修复DPA+FP8 KV下MLA后端内存访问错误

值得仔细阅读PR描述的技术细节，理解AITER内核如何根据Q/KV dtype选择tile大小，以及为什么TP8会掩藏该bug。修复本身非常简洁，但蕴含了对底层内核协议的理解，是良好的一行修复范例。

修复 DP+MTP 模式下因 drafter 不同步导致的 hang

值得精读。该 PR 展示了多 rank 环境下因条件分歧导致集合通信 hang 的典型场景及修复思路。review 中的设计权衡讨论（dummy_run vs 直接运行 drafter）具有启发意义，体现了对 drafter 合约边界的审慎处理。

为所有 Dense/MoE 量化 oracle 添加 Humming 后端

此 PR 值得精读，特别是其 oracle 模式和权重转换架构。对于量化后端开发者和性能优化者，了解 Humming 后端的集成方式有助于未来添加更多后端。建议关注后续关于 Humming 性能基准的 PR 以及可能的默认启用决策。

修复 DeepSeek-V4 fp8_ds_mla KV cache 形状错误

此 PR 值得所有使用 DeepSeek-V4 系列模型（特别是 DSpark 和 fp8）的团队精读。核心改动展示了如何通过 layer 本地配置覆盖全局配置来解决缓存形状不匹配问题，设计思路清晰，修改量小但影响关键。建议关注 `gpu_model_runner.py` 中的 `getattr` fallback 模式，未来作为类似问题的标准处理方式。

修复 main 上 flashinfer 分布式超时和测试 device 类型错误

已合并，无需进一步操作。对于开发团队，此 PR 展示了如何快速修复 main 分支上的阻塞问题，值得在类似场景参考。

为 B12x 后端增加 ReLU2 非门控 MoE 支持

本 PR 展示了如何扩展现有 MoE kernel 以支持新的激活函数，并采用 Wrapper API 统一集成。值得关注的设计决策包括：使用 `_ACTIVATION_MAP` 映射激活类型、延迟创建 Wrapper、在 `process_weights_after_loading` 中提前计算 MMA 布局。建议阅读 `flashinfer_b12x_moe.py` 中的 `_ensure_wrapper` 和 `apply` 方法。

修复 DiffusionGemma 稳定性窗口偏移，匹配 HF 语义

该 PR 值得快速合并。它是一个明确的 bug 修复，有清晰的动机和来自核心贡献者的确认。虽然改动小，但涉及对 HF 行为对齐的深入理解，值得关注其分析过程。建议精读评论区的讨论以理解 vLLM 与 HF 在状态管理上的差异。