vllm-project/vllm

修复 Humming FP8 路径工作区缓冲区别名问题

此 PR 值得阅读，尤其是对 MoE 工作区分配或内存别名的开发者，反映了缓冲区复用中容易忽略的细节。建议关注其设计决策：通过调整缓冲区列表顺序，利用奇偶索引来避免别名，是一种高效的解决方案。未来若修改 `fused_situ_quant_enabled` 逻辑需注意保持一致性。

修复 Responses API 畸形 namespace 工具导致 HTTP 500

该 PR 体量小但值得精读，适合前端/API 层开发者学习如何在 Pydantic 前置校验器中做防御性类型判断，并把不可靠的输入交给 schema 校验兜底。建议关注后续是否补充畸形 namespace 工具的回归测试，避免类似 500 问题回潮。

带 DCP 的 MLA decode 改用 FlashInfer 原生 CP mask

值得精读。重点关注三点：一是 forward_mqa 如何将全局因果长度（dcp_tot_seq_lens）透传给 FlashInfer 原生 CP 参数，这是理解 DCP 掩码正确性的核心；二是 lse_base_on_e 翻转所反映的 kernel 输出契约（自然对数 vs log2）对跨 rank merge 的影响；三是 DSpread + DCP 组合从拒绝到支持的策略变化，以及测试如何用 MagicMock 锁住 kernel ABI。若你在做 MLA 或 speculative decoding 相关工作，建议对照 #52188、#53139、#48392、#52990 一起阅读。

融合 DSV4 q/kv RMSNorm 与 FP8 量化，ROCm 热路径 2.9 倍提速

值得精读。核心看两点：一是如何用『类型门控 + cached_property』在共享代码路径上做平台特化且保证 fallback；二是 pre-quantized activation 直接驱动 block-scaled GEMM 的数据契约设计，避免 `apply_weights` 二次量化造成的双重舍入。配套测试中的 ULP 对比与 strided view 用例也很有参考价值。

opt-in 支持 Rubin 预发布 Docker 构建，默认路径不变

推荐构建/部署团队精读 `docker/Dockerfile` 与两个 Triton 脚本，重点学习几个设计：如何用 `--mount=type=bind` 让私有清单不进入镜像层、如何用构建期环境变量绕过 pinned 工具链的旧汇编器而不污染运行时、以及上游仓库 `.gitignore` 对下游 fork 的连锁影响。这是一个『默认路径零影响 + opt-in 新路径』的较好范例。若你不在 NVIDIA 生态内，该 PR 的运维价值有限，但设计手法仍有参考意义。

融合 sparse MLA Q 拼接与 head padding，消除额外填充开销

值得精读。该 PR 展示了如何通过合并数据拼接与 padding 操作来优化 kernel 性能，减少不必要的内存复制。值得关注的决策是：将 padding 提前到缓冲区分配，并通过线程传递 actual_num_heads 来避免 padding 头被误处理。对于优化类似 kernel 的工程师有借鉴意义。

修复 spec decode 边界 padding 导致 max_model_len 溢出崩溃

值得精读。该 PR 虽小，但揭示了 v1 调度器中 waiting loop 与 running loop 对 max_model_len 上限语义不一致的根因，以及“宁可跳过 padding、不可跳过请求”的调度取舍；对理解 async scheduling 与 spec decode 的交互、以及如何编写边界回归测试都有参考价值。建议关注 aaron-seq 提出的测试覆盖扩展建议（同步路径、num_spec=3）是否在后续 PR 中落地。

修复 HY-V3 流式解析单 delta 中并行工具调用被丢弃

值得精读，重点是 _drain_calls 如何在不破坏单调用流式语义的前提下追加剩余完整调用，以及 content_delta 的前置文本处理。可以作为 tool parser 处理多调用同一 delta 的参考实现。