vllm-project/vllm

修复 hf_token 在配置加载路径中未传递的 bug，支持 gated models 的显式 token 认证。

该 PR 值得快速浏览，关注 `hf_token` 参数如何在三个关键路径中传递，学习系统性地修复参数遗漏问题。

修复 VLLM_USE_STANDALONE_COMPILE=0 的编译 bug，并添加测试以确保正确性。

推荐对编译模块或 PyTorch 集成感兴趣的工程师精读此 PR，以了解 FakeTensorMode 和 tracing context 的陷阱，并关注私有 API 使用和弃用路径的决策权衡，有助于在类似场景下做出技术选择。

修复 AOT 编译加载日志顺序，确保计数和日志只在缓存命中时更新。

这是一个小范围的 bugfix，代码变更简单明了，建议快速 review 并合并。对于工程师，可关注日志顺序调整的设计，但无需深度精读，除非涉及编译系统调试。

添加 Granite 4.0 1B speech 模型到 vLLM 支持列表，并提供测试覆盖。

建议工程师阅读此 PR 以了解如何在 vLLM 中添加新模型，特别是测试适配和文档更新模式。但变更相对简单，无需深度研究；可关注语言列表的潜在风险，考虑未来动态验证改进。

修复CPU部署中结构化输出因pin_memory=True导致的崩溃。

对于涉及CPU部署或结构化输出功能的工程师，推荐阅读此PR以理解设备检测和内存优化的最佳实践；对技术管理者，可关注代码审查过程中的设计权衡如何提升代码质量。

修复 pooling 模型文档中离线推理示例的路径错误。

这是一个简单的文档修复 PR，无需深入技术分析。值得关注的是验证过程和范围控制，以体现维护者审慎处理文档变更的态度。对于工程师，可以快速浏览以了解如何修正路径错误，并检查是否有类似问题在其他文档中。

修复Mamba状态损坏，清除陈旧block table条目。

建议工程师精读此PR，特别是block_table.py的clear_row实现和gpu_model_runner.py的_dummy_run同步逻辑，以理解DP和CUDA图中状态管理的设计权衡。

修复CLI强制使用统计标志未启用连续使用统计的bug。

建议快速浏览以理解修复逻辑，特别是`should_include_usage()`函数的变更。对于负责entrypoints模块或前端测试的工程师，值得关注回归测试的设计，以确保覆盖所有相关场景。