vllm-project/vllm

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。

增大 FlashInfer MLA LSE 工作区大小

值得合并：修复明确，改动集中，测试通过（见 PR body 中 GSM8K 准确率 92.87%）。开发者可关注该模式：当未来引入更大模型时，可能需要进一步增大或动态调整缓冲区。

拒绝流式 generate 请求中的 prompt_logprobs 参数

建议所有使用 Rust 前端的用户更新，该修复符合 API 设计一致性。值得关注的点：作者通过将 `if-let` 与链转换为嵌套 `if`，实现了更清晰的逻辑扩展，便于后续添加类似的互斥参数检查。

避免无LoRA请求时的冗余注册表扫描

此PR值得精读，因为它展示了如何通过一个简单的计数器优化来避免不必要的全量扫描，是一个典型的性能优化案例。同时，审查者提到的长期方案（PR #45411）也值得关注，可能涉及更根本的重构。

实现PD解耦的P2P KV缓存次级层

**建议精读**，尤其是： 1. 会话状态机设计（`P2PSession` + `ClientRole` + `ServerRole`）体现了协议驱动的分层思想。 2. 控制面与数据面分离抽象（`ControlTransport` vs `DataTransport`）便于替换实现。 3. review 中 Claude 指出的正确性边界案例是理解分布式一致性的宝贵材料。 4. 性能优化方面，注意高频路径的空列表缓存和 O(N) 扫描改进。 团队应优先解决 NIXL 缺失降级和线程安全问题。

MiniCPM-V 4.6 语言主干新增 LoRA 支持

值得阅读以了解 vLLM 中为多模态模型添加 LoRA 支持的标准流程。但视觉端 LoRA 的完整支持仍需后续 PR，当前方案存在潜在误用风险，建议用户明确指定语言端目标模块。

XPU pass_config.fuse_norm_quant断言修复

该PR是常规的平台适配bug修复，代码量小，逻辑清晰，值得快速合并。对于关注XPU支持的开发者，可以了解平台条件检查的模式。

修复 gpt-oss 工具调用时 stop_token_ids 未传播导致崩溃

该 PR 值得精读，特别是协议层参数传播的设计模式：如何从默认参数回退到自定义参数的通用模式。修复虽然简单，但揭示了系统中参数传播的一致性缺陷。对于类似的参数（如 stop、bad_words 等）可参考此模式。