vllm-project/vllm

用CUDA函数替代PTX内联汇编实现PDL指令

本PR是一个典型的CUDA kernel清理工作，值得其他kernel模块借鉴。虽然改动不大，但展示了如何将PTX替换为官方API并引入实用启发式。建议有SM90+硬件的团队验证性能，并考虑将PDL阈值变为可配置参数。

对ROCM CI上Ray GCS超时测试增加重试机制

推荐合入以消除ROCm CI上的不稳定测试。该PR模式（使用`pytest-rerunfailures`的`only_rerun`限定重试范围）值得作为测试不稳定问题的标准处理方式。

增加 DSpark speculators 格式 checkpoint 支持

值得精读。该 PR 展示了如何在现有投机解码框架中支持不同格式的检查点，涉及配置注册、模型接口设计、运行时适配三个层面。重点关注：`compute_draft_logits`/`map_draft_to_target` 的模型-运行时合约；reduced-vocab 时的散射采样策略；block 布局的动态选择。

删除无人引用的 Dockerfile.nightly_torch

该 PR 是一次低风险清理，变更简单明确，无需深度审查。开发者可借此了解 `PYTORCH_NIGHTLY` 构建参数的存在，但不必花费大量时间阅读。

移除 torch_nightly 镜像标签，改用全量构建

建议精读 PR 说明中关于合并顺序的要求，确保 ci-infra#382 和 PR#47180 已部署后再合并。该变更是 CI 基础设施清理的一部分，值得运维和 CI 负责人关注。

修复 TRT-LLM FP8 MoE 缺失 OAI SwiGLU 参数导致 MXFP8 模型错误

值得精读，尤其是 trtllm_fp8_moe.py 中参数构建和 kernel 调用传递模式，展示了如何在量化后端中安全地“plumb”新参数以支持更复杂激活函数。设计决策（仅支持 uninterleaved 布局、使用 None 默认值保持向后兼容）可作为类似参数传递的参考。

FlashInfer MXFP8 量化后端指定 cute-dsl 内核

值得关注，但需验证 FlashInfer 版本兼容性，并建议添加后端不存在时的 fallback 逻辑。建议精读 FlashInfer 中 `cute-dsl` 后端的实现以评估长期维护成本。

修复 Triton paged attention 越界读 NaN 导致输出污染

建议立即合入。该 PR 修复了一个被 Claude 协助发现、WoosukKwon 称赞的精妙 bug，虽改动量小但正确性意义重大。值得精读其分析过程，理解 MRV2 预热与 KV cache 块尾 NaN 的交互。