vllm-project/vllm

修复 MoRIIO 共享 KV 内存区注册回归，GSM8K 0→96.8%

值得精读。该 PR 展示了共享 KV backing 布局（#51718）对下游 RDMA 注册的连锁影响，以及页对齐、单一内存区 vs 按层内存区、per-layer 偏移缓存等工程决策。建议重点关注 `_build_shared_kv_mr` 的负偏移越界问题是否在后续版本跟进修复，并留意 `allocate_kv_cache` 页对齐对非 MoRIIO 后端的潜在影响。

修复 generate 端点丢失 disagg 参数导致本地重 prefill

值得快速精读，尤其是 disagg / KV connector 相关开发者。核心价值有两点：一是展示了 scale-out 入口层与引擎之间通过 `sampling_params.extra_args` 隐式传递连接器参数的机制；二是暴露了 chat-completion 与 generate 两个端点参数透传不一致的问题。建议顺手补充针对 `kv_transfer_params` 透传的单元测试，避免未来回归。

修复 Gemma4 MTP suppress_tokens 遮蔽导致 CUDA 图捕获失败

这个 PR 值得快速了解，特别是对关注 CUDA 图兼容性的开发者。它展示了如何处理在 CUDA 图捕获期间避免 H2D 拷贝的常见模式。建议阅读 gemma4_mtp.py 中的改动，并考虑在相关测试中增加覆盖率。

融合 DSV4 C4 压缩器 GEMM，ROCm 解码提速约 1.5 倍

值得精读，尤其关注三点：一是 `prepare_compressor_gemm_fusion` 中 `set_` + 非持久 buffer 的零拷贝权重打包手法，既保留参数身份和 checkpoint 键，又不产生重复存储；二是 offloader 兼容性防线（`NoopOffloader` 检查）设计得很干净，是性能优化与其它子系统共存的好范例；三是测试对存储别名不变量（`data_ptr`、`storage_offset`、state_dict 键）的精确断言，值得在类似融合优化中复制。整体改动小而聚焦，约 1.4~1.5x 的 GEMM 加速和 2~3% 的端到端收益均有完整实测支撑。

统一三处 CUDA 图捕获流为当前流，修复 ROCm 下捕获失败

该 PR 值得精读，它揭示了 CUDA 图捕获中流上下文的重要性和潜在陷阱，对理解 vLLM 的 cudagraph 机制及与第三方后端的交互有参考价值。建议阅读重点：`current_stream()` 的设计与 `graph_capture` 上下文管理器的配合关系。

Pixtral 视觉注意力改用 MMEncoderAttention 打包序列，消除 block-diagonal mask

此 PR 值得精读。它展示了一个模型如何安全地迁移到通用的 `MMEncoderAttention` 打包序列模式，并正确处理多后端元数据差异。对于多模态性能优化和注意力层抽象的维护者来说，`_make_packed_sequence_metadata` 的委托设计是很好的参考。

修复 telechat2/terratorch 的 mypy 类型错误并调整 EXCLUDE 前缀

该 PR 值得快速浏览，特别是 `telechat2.py` 中类型窄化与 `register_parameter` 的用法，可为类似 mypy 修复提供参考。若关注 mypy 基础设施演进，可关注 #48490 系列拆分。

修复 FlatLogprobs 空切片与 delta 输出 -0 溢出的 bug

该 PR 值得精读：一是 Python 中 -0 与切片边界的经典陷阱，二是序列协议实现中空切片处理的正确姿势。可作为后续 logprobs 相关维护的参考样例。建议关注 delta 输出路径与 FlatLogprobs 的交互测试是否覆盖更多切片边界（如 step 非 1）。