vllm-project/vllm

拒绝维度大于隐藏层大小的 Matryoshka 请求

值得精读，展示了如何为 Matryoshka 嵌入参数添加上界检查，设计清晰，测试完善。

禁用 gfx942 上的 TileLang MHC 路径

**建议阅读**：本 PR 是典型的正确性保护修复，代码逻辑清晰，适合作为平台条件编译的参考模式。 **值得关注的设计决策**：采用装饰器函数 `_has_tilelang_mhc` 集中管理平台兼容性逻辑，避免散落在各个 kernel 分支中；区分 CUDA 和 ROCm 平台，并为未来按 kernel 粒度控制预留可能。 **建议跟进**：后续可参考作者在 issue 中的 kernel 级分析，按需重新启用 `mhc_post_tilelang` 和 `hc_head_fused_kernel_tilelang` 在 gfx942 上的使用，以恢复部分性能。

修复 ColQwen3.5 检索投影偏置与双向注意力问题

值得精读，尤其是 `config.py` 的数据契约设计和注意力类型处理。对多模态检索模型维护者有参考价值。

修复异步推测解码 accepted 计数竞态

推荐精读。该 PR 展示了异步推测解码中一个微妙的竞态条件及其修复过程，涉及 GPU D2H 拷贝、input batch 行重排、cudagraph 元数据生命周期等深层机制。对于从事 speculative decoding、cudagraph 或 async scheduling 开发的工程师有重要参考价值。

修复 Llama4ForCausalLM 测试初始化失败

值得立即合入。变更逻辑简单明确，修复了测试基础设施中的 bug，确保了三个 Llama4 变体的测试一致性。

临时跳过 CI 上的 M3 模型测试

该 PR 属于临时性 CI 修复，技术价值低。但如果负责模型集成或 CI 维护，可关注后续修复 NVIDIA 依赖的正确 PR。

更新 MiniMax-M3 文档与测试注册

该 PR 为简单文档维护，无需精读。可作为模型文档同步的参考示例。

Rust 前端支持 thinking_token_budget 参数，实现与 Python 前端对等

## 建议 - 该 PR 值得精读，特别是 `normalize_thinking_token_budget` 函数的设计（与 Python 逻辑紧密对齐）以及三个转换层统一透传模式。它展示了 Rust 前端如何通过降层（lowering）集中处理参数验证，保持代码整洁。 - 关注后续跟着的推理解析器传递配套 PR，以完全解决 managed-engine 模式下的功能限制。 - 代码审查中应关注字段解构顺序的脆弱性，但当前设计合理。