vllm-project/vllm

Intel GPU CI 为 v1/sample 测试加自动重试，缓解偶发失败

改动仅 4 行，浏览即可无需精读。值得记录的点：Buildkite `retry.automatic`（`exit_status` + `limit`）是 CI 稳定性治理的轻量模板；但重试作用于整条命令链，粒度偏粗。若后续 v1/sample flaky 仍频繁，建议先定位根因（XPU 数值发散、资源竞争）而非依赖重试掩盖。

修复 Kimi-K3 RecoverSSM 启动崩溃，放宽状态拷贝校验

该 PR 改动虽小（1 个文件 5 行），但值得快速精读：它揭示了混合 SSM 模型状态数组“持久状态 + 临时 workspace”的布局，以及“可拷贝前缀”校验契约的设计取舍。关注点是状态数组顺序约定与校验放宽的边界。建议后续为 GDN_ATTN/RecoverSSM 增加“4 状态 / 2 拷贝函数”和负向布局的单元测试，并在 `mamba_utils.py` 中显式注释前缀布局契约。

补上 layer_names 初始化，修复 Kimi-K3 启动崩溃

值得快速阅读，无需精读。这是一个典型的“绕过基类初始化导致属性契约缺失”的经典 bug 案例：构造函数接收参数却不保存、也不调用 `super().__init__`，直到子类用到该属性才在启动期崩溃。对在 vLLM 中维护 attention metadata builder 继承层级的人有参考价值，建议阅读时关注 `AttentionMetadataBuilder` 基类负责维护的属性集合。

SM100 上 Kimi-K3 AttnRes 默认切原生 CUDA，最高提速 1.72x

值得精读。该 PR 是「让原生内核从小覆盖变体扩展为架构默认」的完整范例：编译期特化（输出归一化关闭路径在编译期剔除 smem/barrier/算术）、PDL 等待的延迟最小化、运行时与编译期双轨折叠（`STATIC_COMMON_PATH`）、以及调度门控对 stride 与边界的最严格校验，都是 SM100 内核工程中可复用的设计决策。建议重点关注 `attn_res_kernel.cu` 中 PDL 纪律与 block 写回逻辑、`attn_res.py` 中默认路径判定条件，以及 `test_sm100_variants_do_not_fall_back_to_triton` 的 monkeypatch 测试手法。若团队后续要做其他架构（ROCm/XPU）的同类默认化，可参照其「API 契约先行 + 门控收紧 + 基准可复现 + 回退保底」的推进节奏。

多模态前缀恢复 SWA 剪枝，Gemma4 prefill 提速 4 倍

值得精读。核心看点：① 如何把 SWA 剪枝与 MM 前缀掩码的 OR 语义正确合并为并集而不是交集，尤其是 mgoin 指出的非因果右窗口与 chunk 边界两个易错点；② 评审驱动的测试升级路径——从 bounds 几何测试到真实 kernel 的 dense parity 测试，后者才是保证剪枝不丢 key 的关键；③ 默认关闭新行为（`MM_PREFIX_CLAMP_SW=False`）的低风险落地方式。对从事注意力 kernel / Triton 优化，或需要支持 window-clamped 前缀掩码的模型开发者有直接参考价值。

修复 DFlash 投机解码草稿模型 RoPE 布局错误从目标模型获取的 bug。

此 PR 值得精读，因为它修复了一个关键但隐蔽的 bug，涉及投机解码的正确性。设计决策清晰：配置应由其所有者（草稿模型）声明，而非从外部推断。建议关注 RoPE 布局在注意力机制中的重要性，以及配置所有权原则在类似场景中的应用。

8 个 1-GPU L4 测试步骤标记 device: l4 迁移到 EKS

值得快速浏览（约 5 分钟）以理解 vLLM CI 的 EKS 迁移模式，但无需精读源码。关注两个设计点：一是 `device: l4` + `num_devices: 1` 作为路由契约的最小侵入式标记方式——只需在 YAML 里加键即可让生成器完成队列路由与资源缩放；二是迁移边界的取舍逻辑（torch-abi 因审计 CUDA wheel 需求被排除、2-node 因多机特性留在 ASG），这类"什么不能迁"的决策比"迁什么"更有参考价值。若后续你所在团队也在做 CI 容器化迁移，这个 PR 连同 #54326、ci-infra#499 可作为一个完整的渐进迁移案例。

调优 top-k 协作内核，中批解码提速最高 3.3x

值得精读。该 PR 展示了如何通过新增更小 cluster size 的内核变体来拓展既有协作内核的适用 batch 范围，并用参数化测试固定新派发边界。建议重点关注 `cooperative_topk.cuh` 中 CS=2 的 streaming 双 pass 设计，以及 `sparse_attn_indexer.py` 中 dispatch 条件的变化；同时留意测试对中间 batch 值的覆盖率不足，后续可补充。