vllm-project/vllm

在工具解析失败时添加输入片段上下文

建议合并此 PR。它虽小但切实提升了可调试性，且安全权衡已在讨论中明确。值得关注的是 80 字符截断和日志安全的设计取舍。

跳过 SM120 上的 cooperative top-K

可以安全合并。变更简单、目标明确，已由作者手工验证。建议在 SM120 上增加自动化测试覆盖，但非阻塞。

为 GLM5.2 添加 DCP 稀疏注意力索引器支持

值得精读，尤其是理解以下设计决策： 1. CuTeDSL 与 Triton 如何协作实现高效的跨 rank top-K 合并； 2. LSE 基数归一化在 DCP reduce 中的关键作用； 3. Triton 内核中利用原子加法实现有效槽位压缩的性能考量。 建议在合并后持续关注预填充 all_gather 优化和 interleave > 1 支持。

AMD CI 测试容器 GPU coredump 开关优化

建议合并。该 PR 是针对 AMD CI 稳定性问题的定向修复，逻辑清晰，风险可控。

支持 DFlash 滑动窗口注意力与 MiMo 集成

建议重点关注 _maybe_symmetrize_window 的设计及其在 AOT 调度中的位置，以及 _resolve_layer_attention 对多种配置的解析逻辑。这些为未来混合注意力层支持奠定基础。

修复 Harmony 解析器非终端状态静默丢弃内容

值得精读。此 PR 展示了如何优雅地处理解析后端的静默失败：保持 HTTP 协议不变，仅做内容回退和日志记录。设计决策（try/finally、异常传播）以及 reviewer 提出的改进建议（去重警告、删除冗余注释）都是良好的工程实践。建议团队在日常开发中参考这种异常处理模式。

默认单节点 FlashInfer allreduce 使用 mnnvl 后端

值得精读，展示了在依赖上游修复后安全迁移默认后端并添加 fallback 的设计模式。建议关注 quant fusion 与 mnnvl 的交互及可能的回归。

支持 FlashMLA FP8 KV 缓存与 BF16 query

值得细读，特别是 `kernels.py` 中的 fp8_ds_mla 写入分支和 `attention.py` 中的布局选择逻辑。理解该 PR 有助于掌握 DeepSeek V3.2 模型在 NVIDIA GPU 上的优化策略，以及如何在 Triton kernel 中支持两种不同的量化缓存布局。建议关注后续针对 Hopper 的性能测试结果。