vllm-project/vllm

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。

修复 string 类型工具参数文字 null 被错误转为 JSON null

该 PR 值得所有 Rust 前端和工具调用相关开发者精读。它清晰地展示了如何通过精确的类型推导处理边界 case，并保持了与 Python 端的行为一致性。两处核心逻辑的修改（`convert_with_optional_schema` 和 `from_schema`）是设计良好的示例：在修复一个 bug 的同时，通过 review 发现并修复了相关的 enum 边缘情况，体现了谨慎的设计权衡。

标准化 Humming MoE 专家与量化工具接口

建议所有涉及 MoE 和量化开发的工程师精读本 PR，特别是 `humming_utils.py` 中的 `convert_to_humming_moe_kernel_format` 和 `weight_schema_to_quant_key` 函数族，以及 `fused_humming_moe.py` 中 `_supports_quant_scheme` 的设计。作者与 reviewer 关于模块化原则的讨论值得关注。当前推荐合并，但需跟进 #41652 以扩展量化格式支持，并补充 grouped/batched gemm 的测试。

XPU 多模态测试排除不支持的模型

该 PR 价值较低，属于特定硬件平台的测试适配。但其中集中管理排除列表、避免 CI 配置与测试代码重复的做法值得借鉴。阅读量不大，建议仅对 Intel XPU 开发和 CI 配置维护者精读。

整合 scale-out 入口点，分离 Render/Derender API

值得精读：展示了如何通过将紧密耦合的模块拆分为独立模块，并统一工厂化初始化的设计模式。尤其适合需要重构入口层代码的团队参考。建议关注 `factories.py` 的工厂函数设计和 `api_server.py` 的初始化流程变更。

为 Qwen 模型扩展 Triton kernel 预 warmup

值得精读，特别是对模型 warmup 框架感兴趣或需要优化 Qwen 推理延迟的工程师。设计模式（配置数据类、layer 检测、cache 拆分）有可复用性。作为系列 PR 的一部分，建议关注后续 PR 以了解更完整的 warmup 策略。