vllm-project/vllm

清理量化子系统 395 行死代码，移除 W8A8 Block INT8 内核与测试

作为清理型 PR 无需精读，但值得快速浏览删除清单，了解 vLLM 量化模块淘汰路径的决策模式：先确认无调用者，再连同测试与仅服务于该路径的 import 一起删除。若你的下游代码引用了 `w8a8_block_int8_matmul`、`Int8Params` 或 `is_awq_marlin_compatible`，需注意此 PR 已将其移除，应改用其他量化入口或自行维护。

gfx942 用 FlyDSL 替换 Triton fp8 MQA logits 内核

值得关注 ROCm 性能优化路线的读者精读。该 PR 设计极其克制：1 个文件、条件分支内 drop-in 替换，gfx950 等路径零改动，风险面小。值得学习的是其验证流程——AITER 版本确认（release notes 溯源）、双模型（GLM-5.2-FP8 与 DSv4 Flash）端到端基准、GSM8K/NIAH 精度测试以及合并前维护者触发 CI 复跑。对希望理解 vLLM 如何在 ROCm 上替换 Triton 内核的工程师，这是一个干净的参考案例。

DSV4 top-k 索引内核改用编译期常量，微基准提速 15%

值得快速浏览，适合作为 Triton 编译期常量优化的低成本范例。单个文件 5 行改动、无行为变化、性能证据完整（微基准 15.1% 提升、端到端 0.5% 提升），可以安全合入。若想深入理解 DSV4 top-k 元数据内核的演进，建议与本 PR 相关的 #52084 一起阅读。

为 CUDA/XPU 分配器新增 tag 选择性 discard()，细化 sleep/wake_up 状态机

值得精读。该 PR 展示了“内存分配器状态机”这一类基础设施的典型设计手法：用显式状态位（is_asleep）区分已 unmap 与仍 mapped，用幂等告警而非静默变更来应对策略冲突，并在 unmap 前同步设备保证正确性。重点留意 discard() 后访问未唤醒分配的非法地址风险、以及默认 offload_tags=('default',) 的调用陷阱。若要在产品中集成，建议补充策略冲突分支的单元测试并考虑将多次全设备同步合并为一次。

ROCm FP8 MLA 跳过 chunked 预填充的 PS 元数据构建

值得快速阅读。改动虽小，但两个点有参考价值：一是用 `chunked_context is None` 精确表达“仅 causal prefill 需要 PS 元数据”的语义；二是 benchmark 方法论（同一 base 镜像仅替换单文件）非常适合评估这类小性能修复。可作为减少不必要元数据构建与 GPU->CPU 同步的经典小案例。

DSV4 top-k 元数据内核 worker 数翻倍，prefill 提速 15%-37%

该 PR 是一行常量调优，但附带了相对完整的基准数据与 A/B/A 验证，值得快速合入。关注点：常量为何对性能有如此显著的影响，以及是否存在更优雅的自动调优方案；后续若有人重构 `cache_utils.py`，需保持该调优参数的基准可回归性。

修复 DSpark 零验证预算下结构化输出 bitmask 行数错配崩溃

值得精读，尤其推荐关注 PR body 中“三种预算机制对比表”的根因拆解方式——它清晰展示了同一个字段在不同分支下语义漂移如何导致 host/device 契约不一致。同时建议关注 LucasWilkinson 在 #52477 中的替代方案，理解“不依赖分支字段”的架构化修复思路。

修复 Gemma 4 视频帧计数被误搬 GPU 引发的崩溃