vllm-project/vllm

为 Qwen3NextForCausalLM 添加 DFlash 支持（两行修复）

值得精读。两行修复展示了如何通过 Protocol 接口实现零侵入地扩展推测解码支持，是 vLLM 接口设计模式的优秀案例。

新增 Helion 动态 per-token FP8 量化核函数，性能提升 1.2-1.5x

值得精读。特别关注 `pick_config` 的配置选择策略和 Helion kernel 注册模式。本 PR 展示了如何将新 kernel 接入 Helion 框架，是理解 vLLM Helion 集成路线的重要入口。

为 Lfm2VL 添加 encoder CUDA graph 支持，低负载延迟降低 10-20%

值得精读，尤其是为多模态模型添加 encoder CUDA graph 的开发者。此 PR 展示了标准的接入流程：实现 SupportsEncoderCudaGraph 接口、拆解 forward 方法以支持 capture/replay、定义 buffer_keys 和 token budgets。review 过程中的三次设计迭代（删除重复、纠正映射、恢复 eager 路径）也体现了良好的协作规范。

Rust 前端新增 granite4 工具解析器

建议批准合并。实现清晰，代码质量好，复用共享组件，评审通过。对 Granite 4 用户属必要功能，风险低。

新增 NIXL KV 传输 metrics 文档

值得精读，尤其是 NIXL KV Connector 用户，有助于理解 `KV Transfer metrics` 日志和 Prometheus 指标含义。

为 ResponsesAPI 扩展严格工具调用模式

该 PR 值得精读，尤其是 `structural_tag_registry.py` 中的类型转换函数，展示了如何为不同 API 协议适配 xgrammar。建议后续增加端到端的严格模式测试，并关注 `prepare_structured_tag` 的兼容性影响。

修复 scheduler 端 KV connector 统计聚合顺序

建议审核并合并，这是一个低风险、高价值的 bugfix，且已有充分测试覆盖。值得关注的决策是将统计收集延迟到 connector 状态更新之后，这是编写类似统计逻辑时的一个通用设计模式。

为 beam search 添加结构化输出（JSON schema）支持

值得精读。该 PR 展示了如何在已有生成算法（beam search）中集成 grammar 约束的典型模式，并讨论了性能权衡（状态重建 vs 状态克隆）。设计思路和评论中的性能优化点（缓存、冗余删除）对类似集成有参考价值。