vllm-project/vllm

实现块验证拒绝采样，提升推测解码接受率

该 PR 值得精读，特别是对推测解码和 Triton 内核开发感兴趣的工程师。实现展示了如何基于论文在推理引擎中集成复杂采样算法，并附带了完整的基准测试和测试验证。

将 group-size/TP 不匹配的 bare assert 替换为可操作的 ValueError

建议合并。该 PR 解决了用户实际遇到的模糊错误，是典型的开发者体验改进。设计上将 TP 相关的量化检查从 Marlin 特定代码中抽离到 distributed 层，体现了良好的模块化思考，未来类似校验可复用该 helper。

按 DP rank 分配 TCPStore 端口窗口，避免 Ray 数据并行端口冲突

建议阅读 `_select_tcpstore_port` 的设计：通过静态方法+偏移窗口解决 TOCTOU 问题，兼顾简单性和确定性；测试通过 mock 内部函数实现可测性，值得在类似竞态修复中参考。对于关注分布式可靠性的团队，此 PR 是重要改进。

共享 TestTokenizer 简化 Rust 测试

值得 Rust 前端开发者精读。`TestTokenizer` 的链式 API 和 trait 契约强化做法可作为 vllm 项目及其他 Rust 项目的测试基础设施设计参考。

重构 MoE 权重加载，删除 63 个文件中的重复 load_weights 方法

值得精读。本 PR 展示了如何通过基础设施层抽象消除跨模型重复，设计模式（ckpt_names + WeightsMapper + AutoWeightsLoader）可作为 vLLM 内部模型权重加载的标准范式推广。阅读时应重点理解 `RoutedExperts.get_expert_mapping` 的动态构造逻辑以及 WeightsMapper 的 prefix/substr/stacked 映射策略。

为 on_schedule_end 传递调度上下文

值得精读。该 PR 展示了在大型推理框架中如何安全地扩展核心钩子参数：通过引入 NamedTuple 显式传递上下文、使用 Collection 接口保证迭代安全、全量更新所有实现以维持一致性。其设计讨论（dataclass vs NamedTuple、Iterable vs Collection）对类似场景有参考价值。

修复 #44589 导致的权重加载回归

建议合并。本 PR 是重要的紧急修复，精确地处理了 #44589 的副作用，避免了全量回滚。对于理解 AutoWeightsLoader 与自定义 load_weights 的交互边界有参考价值。

升级 PyNvVideoCodec 依赖版本

该 PR 是简单的依赖升级，变更小，风险中等。建议关注 pynvcodec 2.1.0 的后续修复版本，或与上游协调发布 2.0.4 的 aarch64 轮子。若发现视频解码相关问题，可考虑将依赖改为可选或增加版本范围。