vllm-project/vllm

修复混合注意力 Mamba 模型中 num_blocks 为 2 时的 KV 缓存布局歧义问题。

对于涉及混合注意力或 Mamba 模型的开发者，值得精读 _update_hybrid_attention_mamba_layout 方法，了解如何通过 get_kv_cache_block_dim 处理布局歧义，并参考测试案例确保覆盖边界条件。

修复多模态图像输入错误分类，从HTTP 500改为400，提升API语义正确性。

该PR是bugfix，变更较小但重要，值得阅读以学习错误处理策略和测试设计。关注点：异常捕获的边界情况、测试用例的全面性，以及如何通过重构简化代码。

修复流式聊天完成时 n>1 下工具调用因共享对象损坏的 bug。

该 PR 值得精读以理解 Python 中 mutable 对象共享的常见陷阱，尤其是在并发或状态管理场景。关注 `chat_completion_stream_generator` 函数中的初始化逻辑，以及测试中模拟流式生成的方法。

修复Mamba模型CUDA图形内存不足时静默限制性能问题，改为抛出错误提示用户调整配置。

建议精读此PR以关注从静默限制到明确错误的设计权衡，特别留意`_check_and_update_cudagraph_mode`中`is_profiling`标志的引入和错误检查逻辑，这对理解CUDA图形在混合模型中的优化策略有重要参考价值。

更新 ROCm 安装文档，新增 ROCm 7.2.1 和夜间 wheel 支持。

建议技术管理者快速浏览以了解 ROCm 支持更新，工程师可关注自动化命令的设计和文档一致性权衡，但无需深入代码逻辑。

修复SPLADE池化器测试因接口变更中断，使用真实PoolingMetadata替换模拟对象。

建议测试维护者和相关开发者阅读此PR，以学习如何处理接口变更时的测试适配，并关注使用真实对象代替模拟的最佳实践。同时，注意gemini-code-assist[bot]提出的可变对象共享风险，考虑在未来测试代码中修复以避免潜在问题。

修复 ROCm 平台未量化 MoE 模型使用 AITER 后端时 MORI 专家并行失效的静默退化问题。

建议精读此 PR 以理解未量化 MoE 调度机制，特别关注 AITER 后端集成和 MORI 初始化逻辑；设计决策中，scale_type_size 的处理和守卫移除值得学习，以提高代码清晰度和避免过度工程。

修复批处理运行器中的SSRF漏洞，通过添加URL域名验证。

此PR值得精读，特别是安全验证设计和空列表处理部分。建议关注download_bytes_from_url函数中的验证逻辑和测试用例，以理解如何防止SSRF绕过。