vllm-project/vllm

为 Qwen4Exp 模型新增 UVA 卸载和 ETP 张量并行支持，提升 PLE 嵌入表的内存效率。

本 PR 是一个重要的功能增强，涉及核心模型架构、分布式通信和配置系统。建议：1. **精读** `vllm/models/qwen4_exp/nvidia/ngram_embedding.py` 中的 `Qwen4ExpPLEPinnedHostEmbedding.start_prefetch` 实现，以理解 UVA 预取的异步机制。2. **关注** `vllm/distributed/parallel_state.py` 中 ETP 组的创建逻辑，以评估其对现有并行策略的影响。3. **验证** 在 DP2/TP4 等复杂拓扑下，跨 DP 嵌入查找的正确性。4. **评估** UVA 模式下的性能开销，特别是在高并发场景下。

修复 ROCm 平台 JIT 预热因编译不支持的 PDL 内核导致启动崩溃的问题。

此 PR 是一个针对特定平台启动崩溃问题的必要且低风险的修复。代码变更非常小且局部，逻辑清晰，直接解决了 Issue #56030 中描述的问题。审阅讨论显示作者采纳了社区建议，使修复更完整。建议所有使用 ROCm 平台部署 DeepSeek V4 的工程师关注此变更。对于其他内核维护者，可参考此修复审视自身代码中是否存在类似的平台条件不匹配问题。

增强 QKV-Fuser 以支持 Gemma4 注意力模式中的存在性守卫和分支结构。

这是一个高度工程化、质量优秀的 PR，值得精读。它不仅解决了特定模型（Gemma4）的支持问题，更通过系统性地增强融合器的核心机制，提升了整个 Transformers 后端的能力。建议关注以下设计决策：1. 如何通过 AST 分析安全地折叠存在性守卫；2. 如何通过数据流分析（`aliasing_names` 和 `written_names`）来安全地提升融合 GEMM；3. 将通用安全检查泛化到基类 `StackedFuser` 的架构设计。这些模式对于理解 vLLM 的模型融合优化和编写类似变换工具具有很高的参考价值。

修复 Qwen3-Omni 音频编码器在 TP=8 等非整除 TP 尺寸下的初始化崩溃问题。

此 PR 是一个重要的、低风险的 bugfix，解决了特定硬件配置下的模型可用性问题。建议精读，重点关注其处理“非整除 TP”时的降级策略，以及如何通过基准测试验证修复的有效性。该修复模式对于其他可能遇到类似问题的多模态模型具有借鉴意义。

修复 Molmo2 视频处理中 sampling_fps 为 None 时未达守卫的死代码问题。

这是一个清晰、低风险的 bugfix，值得快速合并。核心价值在于修复了一个错误信息不明确的异常路径，提升了代码的健壮性。由于变更极其简单且经过维护者审核，不建议投入大量时间精读，但了解其修复的逻辑顺序问题对编写防御性代码有参考价值。

修复 Rust 分词器字节级快速路径解码未定义 token ID 时崩溃及归因错误。

此 PR 是一个高质量的 bugfix，修复了一个实际发生的生产问题。代码修改精准，测试覆盖充分，并附有详尽的 PR 说明。建议相关模块的维护者精读，特别是 `incremental.rs` 中归因逻辑的重构，其设计（仅在非产出步骤进行查询）值得借鉴。该修复对于使用 vLLM Rust 前端和 Qwen 等模型的用户至关重要。

为 CPU 镜像添加 nightly 发布流程，自动推送多架构镜像到 Docker Hub。

这是一个常规的 CI/infra 变更，实现了有价值的功能扩展（CPU nightly 镜像）。虽然不涉及核心计算逻辑，但其配置正确性对发布流程至关重要。建议关注 `.buildkite/release-pipeline.yaml` 中条件逻辑的完整性和 `push-nightly-builds-cpu.sh` 脚本的健壮性。对于负责 CI/CD 或需要 CPU nightly 镜像的团队成员，此 PR 值得精读以理解其发布流程设计。

更新贡献指南，允许开发者使用自定义端口运行 MkDocs 开发服务器。

这是一个小型的文档改进 PR，价值清晰且实现经过了仔细审查。对于关注开发者体验和文档质量的团队成员，值得快速浏览以了解其改进点。对于贡献者，这是一个很好的文档 PR 示例，展示了如何清晰地更新指南并响应审查反馈。