vllm-project/vllm

为 EC Connector 打通 worker 到调度器的元数据通道

值得精读。这是 vLLM EC 分布式缓存架构的关键基础设施 PR，虽然不直接面向用户，但其设计决策有普遍借鉴意义：①“聚合器只做通用归并、屏障语义下放给 connector 实现”的职责边界划分；② shared 单例的 copy-on-write 防御模式；③显式拒绝不支持的后端组合而非静默丢数据。建议与 #38390（V2 EC connector 基础）、#49994（CUDA events 拷贝完成检测）、#47941（NIXL 共享）串读，理解完整演进链路。

修复批次交换后思考预算状态残留共享的 bug

值得精读。它是“最小修复 + 高质量回归测试”的范例：2 行核心改动修复 dict 别名共享缺陷，测试精确断言修复前失败的关键行为（状态键集合与对象身份）。对理解 vLLM v1 采样路径的 BatchUpdate / MoveDirectionality 状态同步模型，以及“先 pop 再回填”的交换语义很有帮助；审阅者还可关注其与 logits processor swap 模式的一致性设计。

修复 Kimi-K3 MegaMoE 传参名错误致首次 forward 崩溃

值得快速合入的确定性 bugfix，不需精读。可关注的点是：模型代码与第三方内核 API 之间的参数名契约应尽量以 pinned 版本源码为准，并建议在 CI 或特性开关测试中补一条 mega-MoE 冒烟测试，避免同类签名漂移再次漏出。

CMake 构建新增全局 PTX 请求警告并完善文档与测试

值得快速阅读，尤其是对 vLLM 构建系统感兴趣的读者：本 PR 揭示了 CUDA 构建中 per-source gencode 规范化机制及全局 PTX 请求被丢弃的原因，PR body 与文档对行为描述清晰。评审中'警告测试不值得写'的取舍也值得参考——对纯提示性逻辑，维护成本可能超过收益。若计划继续推进 #9129 的后续项，可在此基础上考虑是否真正支持全局 PTX。

修复 DSV4 稀疏 MLA 七处缺陷，打通普通解码、MTP、DSpark 端到端

值得精读。重点关注三处：一是 `persistent_topk.cuh` 死锁根因（uint32 溢出 + host/device 两侧判定不一致导致 inter-CTA barrier 悬挂）——这是一个教科书级的 CUDA 内核并发陷阱；二是 workspace lane 的 `(ubatch, lane)` 双维分配设计与 `ContextVar` 用法，以及 WoosukKwon 对必要性的质疑；三是 TheEpicDolphin 提出的"captured 区域中间 tensor 来自共享池、replay 前会被覆盖"的分析方法，对理解 CUDA graph 与工作区生命周期很有价值。

解析引擎支持 reasoning token 计数并输出到 usage 字段

值得精读。核心看点是 parser engine 管线的 token 计数设计：按字符摊分（`_char_token_counts`）+ 按切分回算（`_pop_token_count`）+ deferred 终端计数不丢失（scanner 侧前缀 / trailing 计数），是一套可复用的流式边界记账方法。另一个值得关注的设计决策是 ParserManager 对'同引擎合并、异引擎组合'的处理，以及围绕 DelegatingParser 语义保持的 review 讨论——这是理解 vLLM parser 子系统组合思想的关键材料。

修复 ModelScope KeyError 并支持 VLLM_USE_MODELSCOPE=1

值得快速浏览，特别是使用 ModelScope 的团队；设计上强调与 Hugging Face Hub 行为对齐和布尔环境变量的一致性。代码简单，无深层架构影响。可后续补充一个针对 modelscope_list_repo_files 的 mock 单元测试，防止第三方 API 变更再次破坏。

gRPC Generate 新增 skip_special_tokens 解码选项，对齐 Python API

值得快速精读：5 行核心改动演示了 proto optional 字段如何承载三层语义（缺省/true/false）、以及与 Python 默认值对齐的做法。关注点：字段归属的 review 迭代（StoppingCriteria 到 ResponseOptions）与测试取舍，可作为小改动 PR 的范本。