vllm-project/vllm

修复测试依赖固定与 xgrammar 兼容性

建议技术管理者关注此 PR 采用的依赖管理策略：将公共依赖固定在 `common.txt` 中，各平台测试依赖通过 `-r` 引用并用 `pip-compile` 生成锁定文件。这种方法值得在项目其他部分推广。测试断言的语义化改进也值得参考。

V2 Model Runner 支持 Mamba hybrid 模型 align 前缀缓存

本 PR 实现清晰，讨论深入，适合希望理解 Mamba 前缀缓存在 V2 中实现细节的工程师精读。特别是 copy-free vs pre-copy 的设计权衡以及 Triton kernel 的共享技术值得学习。

FlashInfer MLA 支持返回 LSE，开启 DCP 功能

值得阅读，特别是关注 MLA attention backend 如何通过 attribute 和 condition 扩展功能。设计上使用 `can_return_lse_for_decode` 类属性和 `need_to_return_lse_for_decode` 实例属性分离能力声明与运行时决策，值得参考。建议配合 PR #47079 一起合入以修复 LSE log-base 问题。

XPU RMSNorm 回退 weightless 优化

建议精读了解 XPU 平台上的 kernel dispatch 优化策略。回退逻辑清晰，评审充分，可安全合入。

简化 R-SWA 批量数据传递方式

值得快速审阅和合并，属于代码质量提升的好实践。开发者可以学习到如何消除冗余缓冲区、简化数据流。

修复 DeepseekV2Model hidden_size 引用错误

值得合并，属于规范化修复，提升代码一致性和可维护性。建议后续考虑在相似模型中推广此模式。

扩展 Triton kernel warmup 覆盖，支持 DSv4 稀疏 MLA 和 block table

值得精读。该 PR 展示了如何系统地为 Triton JIT kernel 添加启动预热，包含 backend 检测、参数空间枚举、条件过滤等模式。特别关注 `sparse_mla_triton_warmup.py` 中的 backend 识别和参数组合设计，以及审核中关于 MRv1/MRv2 差异的处理。可作为后续模型特定预热功能开发的参考。

FlashInfer升级0.6.13并启用持久缓存

建议仔细审阅`flashinfer_autotune`函数中DeepEP的判断逻辑，确认覆盖了所有相关的all2all后端。同时关注FlashInfer上游后续是否彻底解决持久缓存问题，届时可移除特判。GSM8K超时调整作为配套，无特别风险。