vllm-project/vllm

更新 FlashKDA pin，启用 K2 自动 V-split 提升推理性能

值得合入但不必精读：本次变更只是一行 pin 更新，核心价值来自上游 FlashKDA 的自动 V-split 机制。若要深入理解设计权衡，建议阅读上游 FlashKDA PR（例如 https://github.com/vllm-project/FlashKDA/pull/6）中的启发式选择逻辑与 TMA proxy-fence 修复；vLLM 侧可关注后续是否有将 V-split 决策暴露为配置项或补充仓库内回归测试的计划。

修复 Mooncake 抢占下 KV 污染与 req_id ABA，改按 store_job_id 引用块记账

值得精读。这是分布式 KV 缓存连接器中异步作业生命周期与 id 复用（ABA）问题的教科书级修复：一是用全局单调 `store_job_id` 替代 req_id 计数，从数据结构上消除旧代 job 影响新一代的可能；二是把块生命周期从“请求完成时延迟释放”改为“job 引用计数归零才释放”，同时覆盖正常完成与抢占两条路径；三是 review 中关于 assert-vs-raise、eviction 释放顺序、try/finally 单出口的讨论都值得关注。对维护 kv-connector 或任何后台线程异步读取 GPU 内存的模块的工程师，建议通读 scheduler.py 与 worker.py 的核心 diff。

忽略同一步调度内过期的 encoder 缓存驱逐通知，修复引擎崩溃

值得精读：这是理解 V1 调度器 encoder cache 生命周期（schedule → can_allocate → 驱逐通知 → worker tensor 回收）的最小闭环案例，修复点小而关键，回归测试精确构造了竞态场景。可借鉴的设计决策是「用最终状态过滤过期事件」：系统在两个时点之间先删除后重建同一资源时，不应把中间态事件外发。建议合入后持续跟踪 Issue #38551，若在压测中仍复现 `Encoder cache miss`，下一步应在调度器层约束 MTP 草稿提议对 encoder cache 的引用。

合并多模态尺寸用例避免重复启动 runner，用例 259 减至 108

值得快速浏览，适合作为测试基础设施优化的参考案例。核心看点是把 pytest 参数化展开与运行时批处理解耦：用“用例内多批次”替代“用例级参数化”换取启动开销下降，同时清晰暴露了聚合后的失败定位粒度权衡。对编写多模态或多配置测试的团队有参考价值；由于不涉及产品代码，无需精读推理实现。

KV-offload 小评估降配至 1 GiB，修复 CI /dev/shm 不足

不值得精读，但值得快速浏览其根因分析方法论：作者准确地把失败定位到 #50094（CPUOffloadingSpec 进入 /dev/shm）与 #50358（容量校验）两条前置变更组成的约束链，并采用 "按用例差异化配置 + unshare 模拟受限环境" 的验证方式，这类定位 CI 资源问题的方法对维护 offloading 相关测试的工程师有参考价值。

MRV2 支持 Transformers 池化模型正确路由

值得精读，一是理解为什么模型状态路由要从 isinstance 结构检测改为配置属性判定（Transformers 封装层使类型检测失效，配置驱动更稳定、可扩展）；二是借鉴迁移过渡期用环境变量参数化 v1/v2 双 runner 的测试手法。若关注 MRV2 推进路线，建议与 PR#52374、PR#48290 串读。

gfx950 专用 DSV4 稀疏 decode 内核，吞吐 +2.7%

值得精读。该 PR 在性能工程层面展示了 gfx950 专项内核设计（512 宽 QK dot、4×128 PV 累加器、guard tile 与压缩组 peeling）、workload-aware split 策略、以及通过数据契约（NaN-free + provenance 门控）换取跳过 scrub 的性能收益。review 中关于 gfx942 共享 selector 范围控制的交锋是典型的架构特化边界案例，值得作为团队评审参照。但需特别注意 commit `9c4d637d` 夹带的 MRV1 回退与 PR 主题不符，建议维护者单独跟踪该行为变更。

FA4 head-dim 256 临时回退 FA2，修复 ColPali MRV2 崩溃

值得精读。改动虽小，但完整展示了「上游内核能力边界 -> 根因定位 -> 临时回退 vs 参数管道化」的工程取舍过程，对注意力后端版本选择逻辑的维护者有直接参考价值。建议关注两点：一是 review 中 MatthewBonanni 对整体禁用的决策理由（避免把支持参数传遍所有路径），二是以 TODO 注释方式记录恢复条件的做法。后续应跟踪 #42669 恢复时机与上游 flash-attention 的 seqused 支持进展。