vllm-project/vllm

测试设备类型改为平台自适应，支持全平台运行

本 PR 规模小、逻辑简单，不值得精读，但提供了一个良好的实践：在测试中避免硬编码设备，使用平台抽象。可关注 `vllm.platforms.current_platform` 的用法，作为后续编写可移植测试的参考。

为 Blackwell SM12x 引入可选的 B12X 量化线性后端

值得精读。该 PR 展示了如何把外部 kernel 库以最小侵入接入 vLLM 的线性层选择框架：`is_supported` / `can_implement` / `process_weights_after_loading` / `apply_*` 四段生命周期的职责切分、可用性统一在 `is_supported` 判定而 apply 路径只断言、以及 vLLM 刻意不复制 B12X 内部 policy 启发式的边界意识。review 中 mgoin 关于不做 backend 特判、恢复通用 fallback、按优先级列表正常排序的意见，是通用框架维护的典型案例，值得在后续集成类 PR 中复用这些评审标准。

XPU 线性后端处理 ragged 权重 scale

该 PR 值得 XPU/oneDNN 量化内核维护者精读。设计亮点在于用 `gcd` 选取同时整除 N 与 block_n 的分组宽度，避免新增权重数据，并对不支持的 ragged K 直接 fail loudly；注释也清楚解释了 oneDNN 布局约束。建议补一个针对 N 非对齐 shape 的单元测试，覆盖 `index_select` 索引正确性。

在校验路径上拒绝负 token id，返回 HTTP 400

值得精读的输入校验鲁棒性修复。重点关注两点：一是共享校验路径上如何以最小成本补齐边界检查；二是测试位置的调整（从 completion 到 pooling）体现了对 OpenAI schema 与引擎级校验分层拦截的理解，对类似校验场景有借鉴意义。

Gemma-4 接入 SM90 FA4 FP8 内核，修复 MTP scale

值得精读。关注点包括：内核接入路径（`flash_attn_interface.py`）与块大小契约上报的耦合方式；config-aware 后端 API 为未来动态 block size 选择打下的基础；MTP KV scale 复制对 device/float/host 三种表示的细致处理；以及 mgoin 与作者的性能争论揭示的基准口径问题——对比不同 attention 后端时必须先确认负载参数一致。

拒绝 regex 中的 NUL 字节并返回 HTTP 400

这是一个小而清晰的修复，适合快速浏览。值得关注的是其设计模式：在请求校验阶段提前拒绝、并在后端入口做纵深防御，这种双层校验思路可复用于其他边界输入校验场景。不需要精读。

为多模块 MTP 新增调度与 KV cache 支持

值得精读。核心设计决策包括：用一个 `num_prefill_lookahead` 字段驱动调度边界、编码器偏移、KV 注册延迟与 SWA 保留四个子系统，显著降低多模块 MTP 的横切复杂度；延迟哈希注册体现“先验证后共享”的安全姿态；用 `raise ValueError` 硬校验而非静默降级来保证 prefix-cache hit 的 soundness。建议阅读 `scheduler.py` 的 `_reserve_prefill_lookahead` 与 `kv_cache_coordinator.py` 的 `cache_blocks`，并结合 `SlidingWindowSpec.extra_retained_tokens` 理解 SWA 与重算窗口的交互。

重写 MRoPE 交错重排实现，修复 torch.compile 2.13 输出错误

值得精读。该 PR 展示了一个针对编译后端回归的等价重写手法（用索引掩码 + `torch.where` 替代切片赋值），以及用 eager-vs-torch.compile 对拍测试锁定数值一致性的方法。建议关注 PyTorch 上游 issue 193183 的修复，并在代码中保留 workaround 注释以便将来回退。