vllm-project/vllm

修复 Nemotron 模型精度下降问题

值得立即合并（已合并）。对于维护 MoE 模型的开发者，建议将 `FusedMoE` 中类似的一处缩放逻辑写成更清晰的注释或提取为辅助函数，防止未来再次引入双重缩放。

为混合缓存实现 Marconi 式共享前缀准入策略，提升 Qwen 等模型缓存命中率

值得精读。该 PR 展示了如何在不修改 kernel 的情况下利用现有缓存机制实现高级缓存准入策略，设计思路可推广到其他 hybrid attention 模型。

修复 MNNVL one-sided 测试 workspace 不足

此 PR 为一个测试 bugfix，代码简单，对理解 FlashInfer one-sided 机制有一定参考价值，但无需深度精读。

扩展 CI 通知路径，覆盖 Mistral 全系模型

该 PR 属于基础设施配置调整，审核简单，无技术争议。值得关注的是正则表达式统一采用非捕获组 `(?:...)`，符合最佳实践。建议在后续扩展类似规则时保持此风格。

在 MRV2 中实现 DFlash 投机解码，支持 cudagraph

该 PR 值得精读，特别是对实现自定义投机解码器或 CUDA Graph 管理器有参考价值。关键设计决策包括：如何通过基类复用减少重复代码、如何为多查询 per-req 元数据构建注意力符号、以及如何动态切换因果/非因果注意力。建议关注 `_generate_draft` 中的上下文 KV 预计算与采样逻辑。

修复 DeepSeek V4 MTP prefix 缺失问题

建议合入。修复目标明确、改动量极小、风险低，且已获 maintainer 批准。对于关注 DeepSeek V4 模型量化部署的团队，值得了解该修复以正确配置 compressed-tensors 的 ignore/target 规则。

修复 AOT 编译缓存冲突，调整 normalize_value 分支顺序

值得精读。虽然改动极小（仅 12 行源码变更），但揭示了 Transformers 5.x 的 dataclass 变更与 AOT 编译缓存键生成之间的深层交互，对理解 vLLM 的编译缓存机制和依赖兼容性问题有参考价值。

跳过 conch kernel 处理 g_idx 重排

小而精准的 bugfix，值得合并。对于全量量化模型用户，避免潜在无声错误。