vllm-project/vllm

为 Nixl+SimpleCPUOffload 多连接器添加单元测试

建议开发者查阅本测试了解 MultiConnector 的模拟验证方式，对涉及 Nixl 与 CPU Offload 的贡献者尤其有参考价值。

XPU GDN 注意力支持 MTP 推测解码

该 PR 功能明确、改动集中，值得相关开发人员精读。关注的要点： - 如何将推测解码元数据从 attention metadata 提取并传递给底层内核。 - 使用局部变量统一管理内核参数的模式，便于后续扩展。 - 与 CUDA 端同类实现（参考 `qwen_gdn_linear_attn.py`）的对比可加深对跨平台一致性设计的理解。 - 自动化 review 中提出的代码质量建议虽未完全采纳，但可作为后续代码清洁的切入点。

修复 ROCm CI 中 MoRI 单元测试被错误跳过的问题

可供快速合并，无重大问题。建议 CI 相关人员了解变更背景，并关注后续 e2e 测试是否按 PR 描述使用 RDMA 后端。

更新 XPU 安装文档中 triton-xpu 版本号

简单文档更新，无需精读。

修复 ROCm AITER cross-attention 共享 KV 缓存布局问题

推荐合并。修正逻辑清晰、变更最小、已通过回归测试。可作为「架构演进中保持后端兼容性」的典型案例精读：展示了在大规模 layout 标准化过程中，如何通过细粒度的条件分支保护混合使用不同布局的共享资源，避免回归。

Responses API 支持 chat_template_kwargs 传递

修复明确、风险低、影响集中在特定模型配置场景。建议阅读以了解 Responses API 与 chat_template_kwargs 的交互逻辑。无需精读。

消除稀疏注意力 GPU 气泡

建议合入。此 PR 很好地展示了如何通过消除 GPU 微气泡来提升性能，是 ROCm 上 DSv4 推理链路中的一次精细优化。值得关注的设计点：用 `torch.zeros` 合并赋值操作减少 kernel launch、用已知 host 值替代 D2H 同步获取 `indptr[-1]`。

CPU top-k/top-p 采样切换到 Triton 实现

本 PR 虽改动量小，但展示了在 CPU 后端使用 Triton 的典型模式：调整 block size、条件编译、集成测试。值得关注其设计权衡和 CI 集成方式。建议阅读以了解 vLLM CPU 后端的优化方向。