vllm-project/vllm

gpt-oss 回退 0.0.8 并修复 XPU 评估 CI 安装

值得快速浏览，不深入阅读。关注点：CI 步骤硬编码 gpt-oss[eval]==0.0.5，与 requirements 锁定 0.0.8 不一致，建议统一版本来源并重新生成 pip compile 清单；后续可留意 gpt-oss 0.0.9 准确性问题是否在上游被根因修复。

修复 ROCm 镜像 rocprofiler 双重注册并补齐 CI 冒烟阶段

建议 CI/平台维护者精读本 PR：核心亮点是用符号链接消除同一 inode 经双路径加载导致的动态加载器冲突，这是一种值得沉淀的镜像构建手法。一般开发者可快速浏览，无需深入。若后续 ROCm SDK 升级，建议回归验证 rocprofiler 库清单是否需要扩展。

MRV1 弃用前翻转 specdec 检查为黑名单并统一 ngram 分支

无需精读，快速浏览即可。值得关注的设计决策是“弃用过渡期把白名单倒置为黑名单”的思路：当旧运行时即将移除时，从维护“支持什么”转向维护“还不支持什么”，既减少维护成本，也让新特性默认流向新实现。对正在做类似运行时迁移的团队有参考价值。

提交前校验 routed-experts 偏移，避免 EngineCore 崩溃

值得精读（篇幅小、信息密度高）。关注三个设计决策：(a) 校验位置选在 InputProcessor 而非 SamplingParams 或调度器，理由是覆盖 OpenAI 与非 OpenAI 全部生成调用且早于 EngineCore 提交；(b) 采用 '拒绝' 而不是 'clamp'，避免把非法请求静默改写为语义不明的合法请求；(c) 闭区间语义——把 offset == prompt_len 视为合法的空切片而非错误，并同步放宽调度器断言。建议读者顺手排查自己代码里是否存在绕过 InputProcessor 直接投递 Request 的路径，以及在 `python -O` 下调度器 assert 失效后的行为。若计划进一步加固，可考虑把下界检查下沉到 `SamplingParams` 校验或让调度器显式抛错替代 assert。

MXFP8 非对齐 K 权重改为加载时一次解量化，TP4/8 解码提速约 5%

值得精读。核心看点有三：一是把每步重复的权重预处理上提到加载期，属于典型的“常量折叠”优化；二是 apply_weights 用 element_size 而非 dtype 做分派，并保留第三分支兜底，兼顾了正确性与灵活性；三是测试直接用生产真实 shape（K=576/288）做回归，并对模块级函数做 spy 断言，避免了只测合成 shape 的盲区。对于在 ROCm 上做量化 kernel 优化或维护 MXFP8 后端的工程师，这份 PR 是一个很好的范本。

修复 Rust 多轮 bench 的 HF 数据集集成断裂

值得精读。一是事故根因复盘：过期 head 在精确 CI 上通过后合入，暴露了「只验证 PR 头、不验证合成 merge」的流程盲区；二是「升级到新 API 而非回退特性」的修复决策；三是 `load_sharegpt_multi_turn_from_rows` 的抽取方式，把「数据来源（文件/行）」与「解析语义（过滤/洗牌/构建）」解耦，是低成本、可测试的架构改进。建议顺带确认双重 shuffle 语义是否符合预期，并考虑在 CI 中增加对合成 merge 的编译检查（与 #56169 配合）。

为 sharded RDT 打通 ROCm 下 Ray NIXL agent 初始化

值得精读。核心价值不在代码量，而在设计决策：用模块别名代替复制上游逻辑，把平台差异收敛到一个最小入口；测试用 `ModuleType` + `Mock` 伪造平台包、通过记录导入时刻环境变量来验证配置时序的手法也很有参考意义。

补全惰性流切换跨流依赖，修复 MoE 乱序读取

值得精读：5 行修复背后是完整的 CUDA 流序语义分析（`cudaStreamNonBlocking`、有副作用的 getter、故障/静默误路由/正确三种后果分类）。建议关注两点：vLLM 通过 patch `torch.cuda.set_stream` 维护 TLS 的流管理设计，以及为惰性切换补充回归测试的后续工作。