vllm-project/vllm

回退 Gemma-4 FA4 FP8 内核支持，恢复 FA3 默认路径

值得精读，尤其是 Gemma-4 模型支持、flash-attention 集成和推测解码方向的开发者。可以关注两点：一是回退选择了删除配置感知接口、改用 set_current_vllm_config 上下文对象，这种避免 API 扩散的做法可复用；二是 _copy_target_kv_scales 连同 FP8 KV scale 共享修复一起被移除，说明该问题在 MRV2 阶段被有意搁置。若团队计划重新引入 FA4，建议先建立覆盖 SM90 FP8 KV 与 MTP 的回归测试基线。

修复 CPU 平台 pre-commit 格式问题

建议快速合并，因为它修复了 CI 问题且无行为变更。此 PR 展示了维护代码格式的重要性，但也属于常规维护，无需深入阅读。

LoRA 目标匹配增加运行时类型校验，消除容器模块误匹配

值得精读。该 PR 展示了如何在收紧默认匹配条件的同时不破坏显式配置，核心看点是「后缀 + 运行时类型」双重校验、`is_configured_target` 兼容分支，以及 Codex P1/P2 两条 review 所揭示的 OOT 兼容与 fail-open/fail-closed 权衡。对 LoRA 加载链路及相关模型适配的研发有直接参考价值。

同步 mamba_block_size 修复缓存指标失配

建议快速精读。它虽是小修复，却完整演示了跨进程运行时配置同步的闭环：协议字段加默认值保持兼容、引擎侧组装实际值、客户端回写配置、单测锁定行为。阅读时重点关注 _apply_ready_response 的同步模式与可选字段的兼容性设计，可作为同类 bugfix 的参考模板。

给 ROCm EngineCore 关闭增加 15 秒清理宽限

建议关注该 PR 的双层超时解耦设计与 gc.freeze() 应用边界。它对理解 vLLM V1 EngineCore 进程生命周期、ROCm teardown 特殊性以及 Python 解释器最终化阶段的 GC 行为都有参考价值。若团队维护 ROCm 或需要自定义进程退出宽限逻辑，值得精读。

DeepSeek 骨干双向注意力嵌入模型支持，启用非 MLA 路径

该 PR 值得关注，尤其适合要新增 encoder-only 变体的模型维护者阅读：它展示了「HF 配置字段驱动注意力类型 + 全局 MLA 开关短路 + registry 复用已有因果模型实现」的组合套路，且与 Qwen2/Qwen3 双向 embedding 的处理方式一脉相承。不过运行时数值验证尚未自动化，建议在后续补一条针对双向 DeepSeek embedding 的回归测试。

为 CT WNA16 MoE 开启 Humming 后端，支持子字节位宽

值得精读。重点关注三类设计决策：用 Fraction + ceil 处理 sub-byte 打包维度、Humming 支持判定如何与权重 key 数据契约结合、以及 torch.dtype 与 ScalarType 统一字符串化的处理方式。同时值得学习 review 中从 mock 测试演进到 e2e 测试的过程。

修复 OCP MX MoE 模拟静默跳过 mxfp6 激活量化

值得精读。该 PR 是典型的“数据契约脱节”修复：上层映射表用了 dispatcher 不认识的键，导致功能静默失效。可借鉴两个设计决策：一是把映射提取为模块级纯函数以支持低成本单元测试；二是对未知 scheme 显式抛 NotImplementedError，让未来新增 scheme 立即暴露而非再次静默。建议同步查看 `moe_kernel_quantize_input` 的分发实现，理解键的契约来源。