vllm-project/vllm

优化 XPU Worker 关闭逻辑，防止资源泄漏

此 PR 对于在 Intel XPU 上部署 vLLM 的用户是必须合入的修复，建议详细阅读 `xpu_worker.py` 和 `gpu_model_runner.py` 的 shutdown 实现，理解跨平台资源清理的设计模式。

修复 ROCm Ray 权重传输 GPU 可见性问题

该 PR 属于 ROCm 平台特定 bugfix，值得相关平台开发者阅读，特别是 `_weight_transfer_ray_env_vars` 函数的设计可作为处理 ROCm+Ray GPU 可见性问题的通用模式。

修复 ROCm 上 unquantized MoE 权重 padding 被破坏的回归

值得合并的精准 bugfix。设计决策（依赖平台和 env 标志做条件判断）清晰且最小侵入。

替换 torch.cuda.mem_get_info 为 torch.accelerator.get_memory_info

强烈推荐阅读此 PR，尤其是 shm.py 中的 CPU 兼容性补丁设计，以及如何平衡迁移进度与兼容性。后续应继续替换其他 backend 的 mem_get_info，并增加跨平台测试。该 PR 也展示了在 torch.accelerator 原生支持不足时，通过运行时补丁优雅降级的模式。

Mooncake 连接器支持 GDN 和 MLA 混合 KV cache P/D 分离

值得精读，尤其是 `_expand_transfer_regions` 的重构和 MambaSpec N-1 边界设计。展示了如何将同质传输路径演化为缓存感知传输路径，对于理解 vLLM 的 KV cache 抽象很有帮助。

对非整数 logit_bias 键抛出 VLLMValidationError

建议审核者精读此 PR，它展示了在 vLLM 的 API 错误处理中如何利用 `VLLMValidationError` 提供结构化错误信息。实现中兼顾性能（快速/慢速路径）和用户体验（列出所有无效键）。设计决策如忽略无效值收集体现了团队对上游 Pydantic 验证的信任。

修复 ROCm 上 Unlimited-OCR 的 FA 导入失败

值得合并的小修复，无需深入精读。可提醒团队统一使用 `fa_utils` 进行 FA 版本检查，避免类似问题。

修复 Rust DP 协调器中过时 FirstRequest 回退 wave 的问题

值得精读，特别是关注 Rust 前端与 Python 协调器行为一致性设计的同学。`start_wave_for_first_request` 方法的设计清晰体现了竞态处理逻辑，单元测试覆盖了关键场景。