vllm-project/vllm

为 ROCm AITER FA 后端添加 gpu_sync_allowed 上下文。

值得快速查看，以理解 `gpu_sync_allowed` 的用法及其对 ROCm 后端的影响。该 PR 虽小但重要，因为它是紧急修复。

修复 Harmony 严格工具调用语法，兼容真实渲染输出

值得精读，尤其是 `vllm/parser/harmony.py` 中如何通过枚举约束变体与 `OrFormat` 组合来对齐模型真实渲染，以及测试中如何用 `render_conversation` 生成真实输出 token 来做回归验证。对工具调用解析相关维护者具有参考价值。

回滚 all2all 默认后端，修复多种环境下启动失败

该 PR 值得合并，因为它修复了关键回归。值得关注的设计决策是：在引入新的默认后端时，应充分评估其可移植性，并考虑添加更全面的 CI 矩阵。同时，建议未来为 `flashinfer_nvlink_one_sided` 在更多硬件和配置组合下进行验证后再考虑设为默认。

修复 Rust 前端 LogprobsTensors 线协议字段不匹配

值得精读，尤其适合关注 vLLM Rust 前端与 Python engine-core 之间 msgpack 线协议演进的工程师。核心看点：(1) `NamedTuple` 位置序列化 + `serde(default)` 尾部字段的组合如何同时保证新旧负载兼容；(2) 对「当前解码器尚不能处理的数据」选择显式拒绝而非静默接受的设计取舍；(3) 跨语言协议变更的测试配套模式（Rust 单元测试 + Python fixtures 双覆盖）。

XPU 测试超时延至 240s，修 CI 超时失败

该 PR 体量极小，不值得精读。可将其视为 XPU CI 稳定性维护的样例：当发现平台相关测试超时且底层逻辑正确时，按平台分支调整 `pytest.mark.timeout` 阈值即可。唯一值得注意的设计点是「显式平台分支 + 保持其它平台默认值」的写法，既避免全局放宽超时掩盖真实性能回归，又解决了特定硬件环境的慢启动问题。

文档补充 Granite 3.1 系列批量不变性验证

该 PR 值得简要浏览，可作为文档维护的范例：展示了如何为批量不变性新增模型验证记录，以及如何回应 reviewer 的反馈。无需精读源码，但可关注其中对 MoE 模型反向测试失败的解释，理解批量不变性的边界条件。

优化 Kimi-K3 MTP eh_proj 为低延迟 GEMM，提速 12.9~25.2%

值得精读。如果团队维护 Kimi 系列模型，此 PR 展示了如何通过 `ReplicatedLinear` 激活低延迟 GEMM，并如何通过配置表扩展形状支持。建议关注基准测试脚本（PR 描述中）和配置选择逻辑，理解不同 M 下的性能权衡。

修复 tool call 参数 JSON 解析失败导致会话不可恢复

值得精读。核心看两处：一是在历史消息重放场景下 coercion 与 400 的权衡论证（PR body 的三点理由与 bbrowning 的最终裁决）；二是以 gemma4 jinja 为例说明 chat template 对 mapping 的硬约束如何反过来决定入口层的容错策略。测试对边界的系统覆盖（畸形 / 非对象 / 缺失 / 多条调用独立收敛）也值得参考。