vllm-project/vllm

为 Disaggregated Prefill 暴露轻量级多模态元数据，优化跨节点负载。

该 PR 值得精读，特别是其实现设计：1) 巧妙地利用了现有 `keep_on_cpu` 字段属性来动态划分元数据；2) 通过模型验证器强制执行了“元数据请求必须伴随 EC 参数”的核心约束；3) 向后兼容性设计周全。建议重点关注 `mm_features.py` 中的合并逻辑和 `protocol.py` 中的验证器设计。同时，如讨论中提到的，后续应推动端到端测试的建立，以完全验证此功能在复杂协调场景下的有效性。

添加 RL 领域代码所有者，明确审查责任。

这是一个简单的团队治理维护 PR，重要性不高。建议直接合入。其主要价值在于观察 vLLM 如何通过 CODEOWNERS 机制进行团队扩张和责任分配，而非技术实现。

修复完成请求的 KV 卸载水位线错误，防止跨请求 KV 中毒。

这个 PR 值得精读，因为它修复了一个隐蔽且危险的数据一致性 bug，涉及 KV 卸载和投机解码的交互。关键设计决策包括水位线调整公式 `max()` 的防御性编程，以及测试如何基于请求状态而非步骤计数来确保断言健壮性。建议关注注释中的技术解释，它揭示了 KV 槽写入时机和投机解码下的内存状态。

修复分块预填充期间滑动窗口注意力存储可达性计算错误。

该 PR 值得精读，因为它修复了 KV 卸载中的一个正确性 bug，涉及复杂的调度状态机逻辑。设计决策中如何区分预填充、完成和中止状态，以及如何通过可达性掩码确保块存储的精确性，具有学习价值。建议关注 `_build_store_jobs` 中状态判断的逻辑流。

修复 CPU KV 卸载 ARC 策略中，因 T2 无法满足驱逐需求而直接失败的问题。

该 PR 值得精读。它是一个高质量的 bugfix，清晰地定义了问题、提供了最小化的正确修复、并通过良好的参数化测试覆盖了关键边界情况。其设计决策（在 T2 优先策略无法实现时回退到 T1）值得在实现自适应策略时参考。

修复异步查找批次在请求清理后仍被提交的问题。

这是一个小而重要的 bugfix，修复了竞态条件下的资源泄漏。值得精读以理解异步状态管理的设计模式，特别是 generation 匹配和状态验证逻辑。测试用例清晰展示了修复场景，可作为类似问题的参考。

为 BLIP-2 Q-Former 注意力计算引入 PyTorch SDPA，提升性能约 1.4 倍。

该 PR 值得精读。它是一个干净、聚焦且有显著实证支持的性能优化。关注点应放在：1）`F.scaled_dot_product_attention` 调用的参数传递是否精确保持了原始语义；2）理解为何 `MMEncoderAttention` 不适用于此交叉注意力场景（q/kv 长度不匹配），这对未来类似优化有指导意义。

为 Kimi K3 添加投机解码和部分前缀缓存的预填充检查点支持

该 PR 值得精读，其设计展现了在复杂混合注意力架构中协调调度器、缓存管理器和内核驱动的精妙方案。核心函数 `is_mamba_prefill_checkpoint_valid` 的引入为调度器与元数据构建器的一致性提供了保障，值得借鉴。