vllm-project/vllm

修复调度器插件测试因 API 变更失败

该 PR 是常规的追踪测试兼容性修复，逻辑简单，无需深入阅读。但值得关注的是，它暴露了 CI 流程中一个问题：PR#44558 的 CI 未运行此测试，反映出测试选择或触发机制可能有盲区。

修复压缩张量 KV 缓存方案验证逻辑

值得快速合并。这是一个典型的单行 bugfix，逻辑清晰，测试验证充分。虽然变更极小，但体现了对输入验证健壮性的重视。不需额外审查。

MiniMax-M3 支持 FP8 稀疏 GQA

建议精读此 PR，以了解如何在稀疏注意力模型中集成 FP8 KV cache 支持，以及如何将手动 fallback 路径融合到统一 kernel 中。`select_main_impl_cls` 的选择逻辑调整（从 `is_quantized_kv_cache` 到 dtype 精确判断）是一个值得关注的设计决策。

将 NIXL 锁定至 1.2.0 版本

简单且必要的依赖锁定变更，建议尽快合并以恢复 CI 稳定性。

MiniMax-M3 Triton indexer decode 按 request 批量处理 spec-decode tokens

值得精读，尤其关注 Triton 内核优化模式：利用 constexpr 元数据避免重编译、通过虚拟 batch 批量处理 query tokens、移除冗余计算。设计决策中对无 spec-decode 场景保持兼容的做法也值得借鉴。

使自定义 mask mod 支持全 CUDA 图捕获

该 PR 展示了如何分步实现复杂兼容，值得关注 vLLM 注意力后端与 CUDA graphs 兼容性设计的读者阅读。设计中在构造函数缓存结果是一个好的模式，避免了运行时重复获取配置。此外，对边界情况的处理（使用 set 检测不一致）也值得借鉴。

修复 V1 单进程模式下编译模型 Bytecode Hook 残留导致内存泄漏

建议阅读该 PR，特别是 `weakref.finalize` 和 `TorchDynamo` 钩子生命周期的管理方式。它展示了如何在不引入侵入式接口的前提下，实现资源的可靠释放，是 vLLM 编译模块清理机制的参考实现。

修复 MRV2 与多种模型和配置的兼容性问题

建议相关开发者重点阅读 model_runner.py 中 `input_ids` 置 None 的条件逻辑以及 encoder_runner.py 中 `is_embed` 累加的修正，这是典型的边缘情况处理。整体 PR 可作为 MRV2 兼容性修复的参考模式。