vllm-project/vllm

新增向LMCache报告vLLM块分配事件的功能，提升可观测性。

该PR值得精读，特别是对LMCache集成和可观测性机制感兴趣的开发者。关注 _report_block_allocation_deltas 方法中如何处理新请求和缓存请求的分配增量，以及review中讨论的设计权衡。

更新Mergify自动更新规则，避免对CI失败的PR进行自动rebase以减轻CI压力。

该PR值得快速浏览，特别是对于负责CI/基础设施的工程师。它展示了如何通过简单配置调整优化CI资源使用，并提供了Mergify条件使用的实际示例。关注点包括：check-failure与status-failure的区别，以及团队在平衡自动化和成本时的决策。

修复speculative decoding提取隐藏状态提议器返回张量形状不匹配问题

该PR值得快速浏览以了解speculative decoding中形状处理的细节。虽然变更简单，但展示了在speculative decoding场景下处理多token输出的典型模式。关注点：为什么需要切片:1而不是其他处理方式？这反映了num_speculative_tokens=1的设计约束。

在B200设备上添加spec decode夜间正确性测试，提升CI覆盖。

对于关注CI测试配置或spec decode功能的工程师，此PR值得简要查看以了解夜间测试设置和设计权衡（如optional标志的使用和测试组织方式），但变更较简单，无需深度精读。

修复ASR多块音频转录时块间缺少空格问题，提升Cohere和Qwen3模型输出质量。

建议工程师精读此PR，以理解ASR流式处理中分隔符的设计决策和协议扩展模式。重点关注`asr_inter_chunk_separator`函数的实现、流式生成器的参数传递逻辑，以及如何通过测试确保正确性，这对处理类似多块文本拼接问题有参考价值。

修复XPU worker在未构建XCCL时执行all_reduce导致的崩溃问题。

该PR改动简单直接，适合快速浏览以了解Intel GPU平台的特定修复。值得关注的是review中提出的未解决疑虑，即未检查分布式环境初始化可能带来的风险，这提示在类似场景中可能需要更全面的条件检查。

将NVFP4 GEMM管理抽象到NvFp4LinearKernel类，统一量化线性层后端模式。

建议核心开发者精读此PR，重点关注 `NvFp4LinearKernel` 基类的设计如何统一不同后端的接口，以及 `init_nvfp4_linear_kernel` 中的选择机制，这对于理解vLLM量化模块的演进方向至关重要。

更新Mergify自动更新规则，将触发阈值从40提交提高到50，并改用update操作。

该PR变更简单，无需深入阅读代码。值得关注的点是团队对Mergify配置的调整反映了项目提交频率的变化，以及从rebase迁移到update的操作变更，这符合Mergify的演进趋势。