vllm-project/vllm

修复 DP+TP 时 FlashInfer all-reduce 融合死锁

建议尽快合入并标记为 bugfix。变更虽小但涉及并行启动的关键路径，且已有清晰的根因分析。后续可考虑添加持续集成测试覆盖 TP+DP 或 TP+PP 组合的启动验证。

修复 DSV4 分离式服务 MLA 区域识别

本 PR 属于问题修复，改动量小且精准，建议合并。后续可考虑在相关 spec 类中添加抽象方法（如 `is_mla`）以避免此类遗漏，但当前修复足够。

新增 Helion 内核 rms_norm_dynamic_per_token_quant

该 PR 是 Helion 集成项目的重要一步，值得关注其内核设计与自动调优流程。建议在集成前解决冗余计算问题，以确保性能优势。审查者提出的类型提示和注释错误虽不影响功能，但应修复以保持代码质量。适合在相关基础设施就绪后合并入主线。

DSv4 flashinfer 稀疏索引缓存

值得精读。它展示了一个典型的‘work-avoidance’优化：识别重复计算，用字典替换重复调用，并结合测试验证。对 vLLM 贡献者理解 DeepSeek V4 注意力架构以及性能优化模式很有帮助。

Flashinfer 非门控 MoE bf16 支持

值得精读。本 PR 展示了在统一 MoE 抽象层中新增非门控支持的典型步骤：能力声明、权重格式适配、后端编排和激活传递。设计决策（如对齐策略）经过 review 讨论，可作为类似扩展的参考。

修复 Quark FP8 权重 scale 标签错误以启用 AITER 预洗牌 GEMM

建议精读此 PR，尤其是讨论中关于 vLLM 内部权重 scale 标签不一致的深入分析。该修复展示了正确的方案：当框架内部表示不统一时，优先在源头改正（采用压缩张量规范），而不是在消费端做兼容 hack。

重构 INC 量化模块为 scheme-based 包结构

值得精读。重点关注 scheme 接口设计如何支持未来新量化类型、config_parser 的 regex 匹配实现、ARK 后端的可用性检测与回退策略、以及平台差异下 MoE 方法的处理。

修复 XPU CI 上 lm-eval 版本不兼容导致的 ImportError

该 PR 是常规的 CI 维护变更，不值得精读。关注点：`requirements/test/xpu.in` 中使用 `>=` 而非固定版本，允许小版本升级，在 CI 中通过显式安装确保最低版本。