vllm-project/vllm

新增 MLA prefill 后端可插拔注册机制

建议研究与 MLA 预填充后端开发的团队成员精读此 PR，特别是 `register_mla_prefill_backend` 的设计（装饰器+直接注册双模式）和 `CUSTOM` 占位符的处理方式。该设计是可扩展架构的良好范例。

统一 FlexAttention 与 FlashAttention 为 num-blocks 优先的 KV 缓存布局

此 PR 属于核心基础设施变更，建议所有关注注意力后端、KV 连接器和分布式推理的成员精读。其中跨后端布局统一的策略（标准化 shape + stride_order）具有设计参考价值。已知的 int32 overflow 问题需跟踪上游进度，并在 vLLM 侧准备 workaround。

FP8块缩放矩阵乘中占位张量优化，吞吐提升2%

值得合并的微小性能优化。设计思路（避免不必要的张量初始化）对其他类似占位符场景有参考价值。建议维护者关注后续是否会有子类误用`As`参数的风险，可考虑在`apply_block_scaled_mm`接口文档中强调`As`在未量化时可能为未初始化值。

修复 ROCm 多模态模型编译与 Phi4MM 图片 mask 处理

值得精读：理解 ROCm 上绕过原生编译的技巧以及变长张量填充的通用模式（`stack_with_pad`）。关注 `get_act_and_mul_fn` 的设计扩展性。

为 Rust 聊天前端添加 HF 模板往返测试，并修复解析器和数值精度

该 PR 值得精读，特别是往返测试的设计模式和解析器重构手法。对于涉及工具调用和推理标签的模型集成，展示了如何构建端到端的测试验证。

修复 MTP 谱解码因 Q 头数不同导致的崩溃

此 PR 值得精读，因为它演示了一个典型的缺陷模式：数据契约（AttentionGroupKey）隐含的假设（所有层共享 num_heads_q）因谱解码场景而失效，导致部署崩溃。修复方式是在去重键中显式加入该维度，这是一个通用设计原则：分组/去重键应包含所有影响组内计算一致性的字段。另外，CI 依赖路径的补充也值得注意，它确保了 attention backend 的文件变更能触发相应的 spec decode 测试，弥补了测试覆盖缺口。

添加 arm64 GPU 镜像的 CI 构建流程

该 PR 是标准的基础设施扩展，值得关注其平台标记模式和 Dockerfile 条件编译技巧。建议在后续 arm64 测试增强中参考本 PR 的依赖管理方式。

修复多 API 服务器启动时的端口竞态条件

值得精读，尤其适合需要了解多进程端口安全分配和 ZMQ 启动流程的开发者；设计决策（延迟端口绑定 vs 预分配）及 review 中的讨论具有通用借鉴意义。