vllm-project/vllm

添加 MiniMax-M3 NVFP4 量化支持

值得精读，特别是 Per-expert 参数 fallback 和注册的设计模式，以及混合精度配置中的 parent-prefix fallback 策略，可作为为特定模型添加量化支持的良好范例。

C扩展批量文件存在性检查，释放GIL提升KV offload查找性能

该PR适合关注KV offload性能的开发者精读，尤其学习C扩展与Python fallback结合的设计模式、`Py_BEGIN_ALLOW_THREADS`的使用场景。构建系统团队也可参考CMakeLists中扩展注册的方式。

修复 W8A8 int8 静态量化方案选择回归

建议立即合入。修复简洁明确，测试覆盖完整（含正向和反向验证），端到端验证通过。设计启示：量化方案路由条件应通过参数化测试严格覆盖，类似回归可通过条件分支变更规范化审查避免。

消除 LRUCacheLoRAModelManager 中 mypy 类型不兼容错误

值得合并。变更简洁、意图清晰，消除了 mypy 类型错误并清除了死代码。建议在合并前确认 CI 中 mypy 检查通过。

回退线程式 mmap pinning 以修复 CUDA Graph 挂起

该 PR 值得仔细阅读，因为它揭示了 CUDA Graph capture 与内存操作的严格同步要求。设计决策上，在正确性与微性能优化之间选择了正确性。建议关注后续是否会有更完善的异步方案加入。

Triton MLA attn logits 预分配，性能提升 ~35%

该 PR 是典型性能优化案例，值得精读。其设计模式（预分配 workspace 避免每步分配、提取 shared 计算函数防止漂移）清晰易懂，可为其他类似优化借鉴。

添加 Helion fused_qk_norm_rope kernel，H100 加速 1.38x

值得精读的设计点：1. `pick_config` 的最近匹配策略（按 q_heads 差距最小优先，再按 kv_heads、num_tokens 等）可作为类似场景的参考。2. 使用 `@default_vllm_config` 装饰器和 `FakeTensorMode` 在测试中规避设备限制是良好的测试实践。3. 从 C++ op 回退到原生 PyTorch 作为 baseline 展示了在依赖不稳定时的稳健选择。4. 配置文件的 JSON 结构（key + config）为 Helion autotuning 提供了标准接口。

修复 deepseek_v2 最终层 aux hidden 状态缺失

建议合并。该 PR 修复了 deepseek_v2 模型在 aux hidden state 捕获上的关键 bug，代码改动精确（3 行），无副作用。建议在后续迭代中增加自动化测试，覆盖 end_layer 配置场景，防止回归。review 中的 all-gather 讨论值得关注，可作为上下文并行下 aux hidden state 处理的设计参考。