vllm-project/vllm

稀疏 MLA 模型开启 PCP+DCP：统一 chunk 排布修复集体通信挂起

值得精读。这是 vLLM 分布式并行（PCP×DCP 组合）在稀疏注意力模型上的一次关键落地，核心看点有三：①"所有 rank 派生一致的 collective 形状"这一不变式的工程化——通过确定性行序、短 prefill 复制、专用 shard 元数据字段三个手段共同实现；②`PCPGlobalChunkPlan` 的 deinterleave 索引设计，把 rank-major all-gather 布局无通信地还原为全局 token 顺序，是理解 PCP+DCP 数据流的最佳入口；③review 过程中从"全局 PCP schedule"到"按请求分组 + req_idx 传递"的重构，展示了如何在分布式代码中做减法。若要在生产使用 PCP+DCP，请同时追踪 fused all-reduce for CP groups 的 followup PR，并关注 decode 性能是否被接受。

ROCm 弹性 EP 死锁修复：warm-up 延迟至 commit

值得精读。核心设计决策是「把 collective warm-up 从通信器构建时推迟到全局静默点（调度器暂停的 commit 阶段）」，这背后是对 NCCL 并发 communicator 无 forward progress 保证的深刻理解（引用了 NVIDIA/nccl#574 的官方维护者评论）。同时注意 ROCm/CUDA 行为分叉的取舍：CUDA 未复现故不引入 downtime 代价，平台差异被严格门控。建议阅读 `defer_comm_warmup_on_rocm` 与 `_elastic_join_warmup_ctx` 的配对契约，理解「所有参与方必须同时 defer 否则 collective 无人配对」这一约束。

水印兼容投机解码：双 key Gumbel 与上下文去重

值得精读，尤其是三类读者：做水印/内容溯源的人应关注 DualKeyGumbelWatermarker 的路由与检测器方差重标定；做投机解码的人应关注 _resample_kernel 的 WATERMARK 分支与 watermarked_rejection_sample 的 key 角色约定；做性能的人应关注 context 去重的 kernel 代价与 watermark_sample_warmup 的 specialization 覆盖策略。建议重点看两个设计决策：一是 Watermarker.sample 模板方法 + _try_sample_mixed 的“可选融合钩子”，它把两趟采样优化收敛到算法内部；二是 create_speculative_*_watermarker 的“拆角色”约定，配合 _resolve_watermark_key 的显式报错，避免双 key 容器被误用。阅读时可跳过 tests/watermarking 的数值断言细节，但 tests/v1/spec_decode/test_rejection_sampler_utils.py 中“水印恢复等价于 philox_gumbel_sample”的对比测试值得一看。

对齐 pad-free 图像 token，修复 MegaMoE 测试收集失败

不需要精读，属于可直接略过的 CI 修复类 PR；但有两处值得作为经验留存： 1. `tests/models/test_deepseek_v4_mega_moe.py` 内联复刻 `image_mask` 判定的写法是典型的“镜像实现”，建议后续把“图像位置判定”抽成 `vllm/models/deepseek_v4_1/common/mm_preprocess.py` 侧的可复用 helper（如 `is_image_position(input_ids)`），让测试调用生产函数而不是复制逻辑，从根上避免本类常量漂移。 2. 遇到“上游删常量导致测试 collect 失败”的同类问题时，可参考本 PR 的处理顺序：先确认新契约（pad-free 图像流）、再保持夹具语义等价（两个哨兵位仍代表 image span）、最后用硬件 CI 验证而非本地 skip 结果作为合并依据。

补齐 DSpark 测试 mock 配置，修复 H200 MIG CI 失败。

值得快速阅读，不建议深入精读。核心看点是：一个上游 loader 契约变化（PR #54416）如何传导到测试 mock 的更新，以及 DSpark loader 同时依赖两个模块的 `get_pp_group` 这一内部调用结构。后续维护者遇到类似失败时，应优先检查 `get_pp_safe_draft_load_config` 与 pipeline group stub 是否齐全。

修复 DeepGEMM FP8 warmup 漏覆盖，消除请求时 10-20 秒停顿

值得精读。核心价值不在修复本身，而在“kernel 自注册 provider”这一设计模式——它把 warmup 从“猜测 kernel 行为”变成“kernel 声明自己的行为”，显著降低了两者耦合。关注点：一是 `FP8BlockParams` 的 scale 统一抽象是否可推广到其他量化 kernel；二是测试文件粒度争议的最终取舍，可以作为团队 CI 资源策略的参考案例；三是 marlin 与 DeepGEMM 组合的覆盖仍待后续补全。

HiSparse 缓存指标接入 KVConnectorStats 管线

值得精读，尤其适合关注 KV connector 扩展机制与 GPU 侧遥测的同学。建议重点看三处：(1) `HiSparseConnectorWorker.get_kv_connector_stats` 的两阶段采样——快照读取与采样触发在同一个 hook 里交织，`_metrics_pending` / `_metrics_event` / `_metrics_calls` 三个状态位的配合是理解其正确性的关键；(2) `connector.py` 只加三个 hook 就完成接入，是「零核心改动」设计主张的直接证据，可与 #53782 的 `finish_step` 方案对照阅读；(3) 提交历史中的两次 CI follow-up，展示了 vLLM 对「指标断言该放哪个测试套件」的分层偏好。若要在生产读取这些指标，请按代码而非 PR 描述确认指标名。

NPU CI 测试跳过 conftest 并改用 pip 修复依赖缺失

值得快速浏览：它展示了一个 CI 故障的两个典型根因（conftest 传递依赖、uv 与系统 Python 解耦）及最小化修复路径。可重点关注 --noconftest 副作用的评估方式，以及在硬件 CI 中从 uv 回退到系统 pip 的取舍依据。无需深入精读。