vllm-project/vllm

NIXL EP 跳过 NVFP4 接收端量化

建议合并。修复明确，经 reviewer 批准。值得注意的设计是将 `quant_dtype` 作为判定依据，避免对全局配置的运行时依赖。

延迟块释放修复异步调度与 PD 分解竞态

推荐使用 PD 分解的团队立即合并此修复。PR 的设计模式（步骤栅栏 + 延迟释放）值得学习，展示了如何在不破坏现有逻辑的前提下解决复杂的并发竞态。核心贡献者阅读可关注 pop_blocks_for_free 的设计和延迟释放队列的条件判断。

Gemma4 解析器迁移至统一引擎框架

值得精读，特别是 _parse_gemma4_args 的流式部分和状态机配置。展示了如何将复杂手写解析器迁移到统一引擎框架的设计模式。

修复 null parallel_tool_calls 错误截断为单个工具调用

值得合并，修复显而易见的行为偏差。建议后续增加测试覆盖 `None` 情况。也可关注正在进行的 Rust 前端迁移（PR #44760），确保两端一致性。

修复 MRV2 LoRA warmup 及 CUDA Graph 集成

- **值得精读**：特别是 `_build_lora_dispatch_map` 的预计算策略，可以推广到其他维度（如 token 数量、batch 大小）的 dispatch 优化。 - **关注后续重构**：`LoRAModelRunnerMixin` 的重构计划值得跟踪，可能进一步简化 LoRA 集成。

auto tool_choice 跳过结构标签除非 strict=True

值得精读，重点关注： - 如何通过早期短路返回实现性能优化。 - 兼容性处理：增加新字段时确保默认行为不变。 - 测试设计：创建 `sample_tools_strict` fixture 分离严格与非严格场景。

自适应 DSv4 prefill chunk 规划，吞吐提升 4%

建议阅读此 PR，了解如何通过动态 chunk 规划优化 prefill 性能。代码重构（将规划逻辑从 forward 移入 metadata builder）是值得注意的设计模式。

修复 Harmony Parser 流式与非流式路径一致性

值得精读。该 PR 是 GPT-Oss 功能重构后的清理补丁，其工具调用合并逻辑（在 `parse_delta` 中拼接 `arguments` 而非创建新对象）是流式合规性修复的典型模式，值得在类似流式接口维护中参考。