vllm-project/vllm

修复 MNNVL 工作区与 one-shot 选择不匹配

该 PR 值得精读，尤其是 `_select_flashinfer_allreduce_use_oneshot` 的设计体现了 backend 感知的策略委托模式，以及 `trigger_completion_at_end` 参数与 one-shot 的耦合关系。测试覆盖了关键的边界情况，包括 device_capability 为 None 时的回退。

修复 triton_decode_attention 中 int32 溢出导致 CUDA 非法内存访问

建议所有使用 vLLM v1 版 Triton 解码注意力的用户尽快合并此修复。该 PR 虽小，但解决了一个难排查的异步崩溃问题，值得关注。设计上采用与其他 kernel 一致的 int64 类型转换，是安全的防御性编程实践。

标记已删除的 checkpoint 为不可用

变更很小且直接，可以快速合并以恢复 CI。但建议未来考虑更健壮的 CI 策略，例如在 checkpoint 下载失败时自动降级或重试，而不是单个 checkpoint 问题阻塞整个 CI。

修复 async scheduling + spec decode 时 num_output_placeholders 下溢

此 PR 值得精读，因为它展示了异步调度与推测解码交互中的微妙边界情况，修复手法干净（增加一个守卫条件），并且测试充分（e2e 和单元测试）。对于理解 vLLM 调度器内部状态机有帮助，也体现了代码 review 中保留边缘情况测试的重要性。

澄清 VLLM_USE_FASTOKENS 从 0.23.0 开始可用

建议合并以完善文档，解决用户困惑。此 PR 属于小范围文档修正，无需特别关注技术设计。

回退 torch.Event 改为 torch.cuda.Event 以修复 XPU 兼容性

该 PR 为紧急修复，应及时合并。值得关注的是 `DeepseekV4XPUAttention.__init__` 中使用的猴子补丁模式（临时替换 `torch.cuda.Event`），为后续多设备支持提供了参考。建议在 PyTorch 上游修复 `torch.Event` 后，再重新考虑统一迁移。

修复 Gemma4 MTP 草稿模型量化配置未传播问题

PR 值得合并，修复了一个关键 Bug，且改动量小、有测试验证。建议查看 `get_draft_quant_config` 的实现以确保其正确性。

缓存 scheduler 和 request 级 metrics handles 以减少重复查找

值得精读，展示了 Rust 中通过预解析和缓存 metrics handles 来优化性能的实践模式。适合作为 Rust 后端性能优化和 caching 策略的参考。