vllm-project/vllm

修复 MRV2 采样器 int32 偏移溢出

此 PR 为高价值修复，值得特别关注。展示了在 Triton kernel 中防范 int32 溢出的模式，建议团队学习并纳入编码规范。

扩展 WNA16 量化方案支持 2/3/5/6/7-bit pack-quantized 推理

值得精读，尤其是 pack_factor 改为 Fraction 以及 packed 维度计算的变化。这是 Humming kernel 支持的必要基础，也是量化路由重构的一步。建议关注后续对 Humming kernel 的集成 PR。

ROCm 上强制 eager 模式避免 HIP graph 解码异常

该 PR 是典型的临时规避方案，逻辑简单清晰。值得关注的是其根因分析过程展示了如何通过 bisect 定位 HIP graph 回归，以及如何用环境检测实现平台差异化行为。维护者应注意在 ROCm 7.14 后回退。

用 cross-layer 配置开关替换环境变量，控制 packed KV cache

该 PR 是配置清理和统一的良好范例，展示了如何从环境变量迁移到结构化配置对象。对于需要控制 packed KV cache 行为的部署，应关注新开关的设置。值得精读，因为它涉及 KV cache 内存分配的底层路径改动，并包含与 offloading 组件的交互。

修复 ROCm paged attention 内核 OOB 访问

建议合并。这是一个精准的 bugfix，修复根因而非绕行，且经过性能验证。测试扩展有效防止回归。

修复 core.py 中缩进错误导致的启动失败

建议立即合并，属于阻断性 bugfix。同时建议后续 PR 增加 CI 中 Python 语法检查（如 flake8）以提前捕获类似问题。

后台线程固定 CPU 内存，启动加速 2 倍

值得精读。该 PR 展示了将阻塞启动操作移至后台线程的典型手法，并精细处理了生命周期与清理顺序，是学习 Python 线程安全与 GPU pinning 管理的好素材。对于维护 KV offload 相关功能的工程师，应仔细阅读 `shutdown()` 中的清理逻辑。

用LookupResult枚举替换模糊的 bool|None 返回值，区分 HIT_PENDING 与 RETRY

建议精读，尤其是 `LookupResult` 枚举的设计和调度器中的 `match/case` 用法。这是一个清晰的类型驱动重构案例，展示了如何用枚举消除隐式语义，适合作为团队内部 API 设计参考。