vllm-project/vllm

新增通用 MergedColumnParallelFuser 并重构 GLU/QKV/MLA fuser 以复用共享逻辑，提升代码可维护性。

该 PR 值得精读，特别是对于负责 Transformers 后端、模型优化或 fuser 系统的工程师。核心设计决策包括：通用 fuser 的匹配逻辑与动态命名策略、GLU/QKV/MLA 的重构路径选择、以及多候选 fuser 的实例级选择机制。这些决策体现了良好的代码设计模式和对边缘情况的深思熟虑。测试覆盖全面，是高质量重构的典范。

修复 Qwen4Exp 模型 MTP 草稿模型加载 block FP8 量化层时的索引重映射缺失。

该 PR 值得精读，特别是对于维护 ModelOpt 量化框架或处理 MTP 草稿模型配置的工程师。核心设计决策在于如何扩展 `_make_draft_vllm_config` 以完整处理 `quantized_layers` 重映射，以及如何在 `ModelOptMixedPrecisionConfig` 中统一处理 block FP8 的两种算法别名。实现清晰，测试充分，是解决特定检查点兼容性问题的良好范例。

为 AMD 分布式推理 CI 启用 WideEP Intranode 测试并优化超时配置。

本 PR 是一个标准的 CI 配置增强，值得 **快速浏览**。其核心价值在于补充了 WideEP Intranode 模式的测试覆盖，这对确保 AMD MI300 平台上高级分布式推理功能的稳定性至关重要。建议关注 `models.yaml` 中新增的 `ep:` 配置细节，特别是 `cudagraph_mode` 和 `compilation-config` 的选择是否最优。对于维护 AMD 后端 CI 稳定性的团队成员，建议精读本 PR。

修复 ARM64 CI 镜像中 pytrec-eval-terrier 构建失败，为测试依赖编译添加 C17 模式。

此 PR 是一个针对 CI 构建失败的快速、精确且低风险的修复，值得批准。虽然变更很小（仅 5 行添加），但它有效解决了 GCC 15 升级带来的构建回归。值得注意的设计决策是：修复被严格隔离在测试依赖构建阶段，使用环境变量而非修改全局编译标志，保持了生产构建的纯净性。建议在合并后关注后续 CI 运行，确保整个镜像流水线（包括最终轮子和测试镜像）构建成功。

修复 openai 依赖版本下限，解决命名空间工具类型导入导致的启动崩溃。

该 PR 是一个简单、必要且低风险的 bugfix。它直接解决了一个影响用户体验的导入错误。尽管变更只有一行，但其动机清晰（关联 issue #49103），方案明确，且已通过审批。对于关注项目依赖健康和安装健壮性的开发者来说，值得快速浏览。核心设计决策是明确依赖的最低版本，这是一个基础但重要的工程实践。

修复 Kimi K3 模型 KDA 内核中 state_idx 整数溢出导致的非法内存访问。

该 PR 值得精读，尽管改动极小，但它揭示了一个在 GPU 内核编程中容易被忽视但后果严重的关键问题：整数溢出导致的非法内存访问。对于所有从事 vLLM 内核开发或维护的工程师，尤其是涉及状态管理和缓存机制的开发者，理解此修复的原理（`state_idx * state_stride_0` 可能超过 int32 范围）具有重要价值。这是一个典型的‘一行代码修复重大 bug’的案例。

消除结构化输出推理结束扫描的全历史回溯，将每步开销从 O(history) 降至 O(delta)。

这是一个高质量的性能优化 PR，值得精读。它通过精心设计的接口抽象（`ParserEngineReasoningAdapter` 和 `find_reasoning_end_offset`）实现了从 O(n) 到 O(1) 的渐进式优化，同时保持了完整的向后兼容性和清晰的回退路径。评审中关于接口语义和文档的讨论有深度，展现了良好的设计审查过程。建议关注：1) 引擎派生 `reasoning_end_token_ids` 的安全性条件；2) `_find_reasoning_end_index` 中对已接受 token 与草稿的不同处理逻辑；3) 与 PR #48200 的潜在协同。

调整四个 AMD MI300 CI 作业超时时间，解决构建超时问题。

该 PR 是一个低风险、高价值的维护变更。它值得快速精读，但主要关注点在于验证超时值的合理性。建议检查提供的构建链接（#12703 和 #12711）以确认超时调整的依据，并考虑是否需要建立更系统化的超时监控机制。