vllm-project/vllm

修复 Transformers 后端 FP8 MoE 的内存泄漏并清理样板代码

此 PR 值得仔细阅读，展示了如何通过集中化 EPLB 状态管理和清理样板代码来减少跨模型冗余。关注 MoE 架构的开发者应重点审查 transformers/moe.py 和 interfaces.py 的接口变化，确认与自定义模型的兼容性。

修复 ROCm MLA 预填充崩溃，传入 num_kv_splits 参数

该 PR 是应对上游 AITER 接口变更的适配修复，变更极小（+3 行注释 +1 行逻辑），但修复了一个阻断性 bug，值得立即合并和回传。建议回顾者重点关注参数位置是否正确，以及是否有其他未覆盖的 `mla_reduce_v1` 调用点。

为 KV-cache 相关模块添加 codeowner

无需精读，属于标准的人员权限配置变更。

为 HarmonyParser 添加 flush() 方法，调用 process_eos() 刷新并重置。

此 PR 值得技术负责人和 parser 模块维护者精读，特别是 `flush()` 中异常处理和惰性初始化的设计决策。它展示了如何在不破坏现有接口的前提下，为下游修复铺平道路。后续 PR #46102 将进一步完善 serving 层集成，建议关注。

移除混合模型 FA 块大小限制

建议精读。该 PR 虽然改动小（仅 17 行删除），但涉及混合模型注意力机制的核心限制移除，是清理历史技术债务的好例子。推荐关注：1) 如何通过系统性的修复（KVBlockZeroer）替代临时 workaround；2) 对 hetero TP PD disagg 场景的潜在影响需在后续测试中确认。

添加 DeepSeek V3.2/GLM-5 硬件特定模型实现

建议架构师和模型开发者精读 `attention.py` 中的 `DeepseekV32Indexer` 实现，理解稀疏注意力索引生成逻辑，以及 `model.py` 中的层间残差连接设计，为后续优化奠定基础。

修复 ROCm 上 RLHF 示例的 RCCL 运行时 bug

此 PR 是一次有针对性的 bug 修复，代码量小且逻辑清晰。值得关注的是其采用的临时方案设计——通过清除环境变量绕过后端 bug，而不是修改核心库。作为 ROCm 平台兼容性修复的示例，可供参考。

移除 AMD CI mi250 队列中 v1 sample+logits 测试

变更简单直接，无需精读。适合作为 CI 维护参考：当某个测试步骤不再需要时，及时清理以保持流水线高效。