vllm-project/vllm

扩展环境收集脚本以支持Intel XPU，优化信息分类与显示。

建议技术管理者关注此PR中包检测函数的设计，了解其潜在改进点；工程师可精读get_pkg_version()的实现，学习如何处理多包管理器适配，并注意条件输出逻辑如何优雅处理平台差异。

重命名 affine score calibration 参数为 logit_mean/logit_sigma 以对齐 LayerNorm 约定，确保向后兼容。

此 PR 值得精读，特别是对于涉及池化模型和配置管理的开发者。关注 `PoolerConfig.__post_init__` 中的弃用处理逻辑和池化头中 out-of-place 操作的设计决策，以学习如何安全地进行 API 重命名和向后兼容策略。

修复LMCache MP连接器中缓存请求的KV存储逻辑和令牌计数错误。

该PR值得精读，特别是对于涉及LMCache和KV连接器模块的开发者。关注点：1. 如何正确处理缓存请求的增量令牌计数；2. LMCache命中块在存储计算中的纳入逻辑，体现了KV存储的边界处理设计。

优化fused qknorm+rope kernel，通过动态调整每个warp的token-head数量，提升H100上大批次推理性能。

建议技术管理者和工程师精读此PR，重点关注多token-head kernel的设计思路、cp.async异步复制技术，以及动态阈值调度策略，这些对高性能CUDA编程和kernel优化有重要借鉴价值。

移除AOT编译与批不变模式的互斥限制，允许两者同时启用。

该PR变更简单直接，适合快速浏览以了解编译与批不变模式的兼容性改进。值得关注的设计决策是移除了未经验证的互斥限制，体现了对功能成熟度的信心。建议结合测试结果和后续使用反馈评估实际效果。

支持双CUDA流以并行执行LoRA线性层计算，提升推理性能。

建议技术管理者和工程师精读vllm/lora/layers/base_linear.py中的异步实现，关注流管理和PDL启用条件；设计决策值得学习，尤其是双流并行化模式。

将XPU相关依赖从2.11.0降级回2.10.0，以解决oneCCL依赖问题。

此PR为基础设施调整，逻辑简单，无需精读。建议关注：1. 后续是否有PR解决oneCCL依赖并升级回2.11.0。2. 注意torchvision版本不一致可能带来的环境问题。

清理ROCm CI中过时的speculative decoding测试，并调整acceptance测试标记。

该PR变更简单直接，适合快速浏览以了解CI配置清理。值得关注的是团队对测试冗余的判断和取舍，但无需深入代码逻辑。建议后续关注speculative decoding功能是否在其他测试中得到充分覆盖。