vllm-project/vllm

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。

为KV缓存次级层添加异步批处理查找

值得精读该PR，尤其是AsyncLookupManager的线程安全模型（无锁通过所有权分离）和cleanup逻辑。可作为vLLM内部异步模式的参考。设计决策中使用SimpleQueue、None作为停止信号、NeedToDrain计数器等细节值得注意。

移除第一代 Qwen 和 QwenVL 模型代码及配套组件

此 PR 清理彻底，值得作为参考模板用于其他旧模型淘汰。建议阅读以理解 vLLM 的模型注册和组件解耦方式。如果用户仍依赖旧模型，不应升级到此版本。

修复 EXAONE-4.5 视觉编码器 missing sequence_lengths

建议快速合并，属于典型的数据契约同步修复。可关注类似模式——继承 Qwen2_5_VisionTransformer 的模型（如刚修复的 qwen3_omni_moe_thinker）是否也有遗漏。