vllm-project/vllm

移除已失效的 inplace MoE 融合专家机制

建议阅读此 PR，以了解如何在大型代码库中安全、系统地删除被版本约束废弃的死代码。特别值得关注的是 torch custom op 输出别名输入的约束如何驱动架构决策，以及如何通过测试和 CI 验证大规模接口变更的正确性。

修复 RunAI streamer 张量缓冲区重用导致的数据损坏

值得快速合并到 v0.22.0 milestone。代码量小、逻辑清晰、测试覆盖良好。可作为「流式迭代器内存安全」的经典案例。

为 Rust 前端引入轻量级 mock engine 基准测试

值得所有 Rust 前端开发者精读。其架构设计（actor 模式分离 IO 与状态、ZMQ 多 socket 管理、优雅关闭处理）是 vLLM Rust 前端通信框架的缩影。`utility_response` 的实现简洁地展示了如何处理多样化的引擎控制信令。新引入的集成测试亦可作为编写 protocol 级测试的参考样板。

支持 ModelRunnerV2 混合模型的 kernel block size

值得精读。重点关注 `init_attn_backend` 的重构思路（分离 group 发现与 cg support）以及 `BlockTables` 中 `kernel_block_sizes` 的集成方式。设计决策（generator vs list、numpy vs list 回退）的权衡过程也值得借鉴。后续 PR 将基于此继续完善混合模型支持。

修复 TRTLLM NVFP4 MoE 内核大批量 token 下的 CUDA grid 溢出

建议阅读 `trtllm_nvfp4_moe.py` 中的 chunking 实现，特别是 `_calc_max_supported_tokens` 的公式推导，它展示了如何根据 CUDA grid 限制逆向计算安全 token 数。此外，设计上选择仅在 TRTLLM NVFP4 内核启用 chunking 并在其他实现中移除未使用的 `supports_chunking`，体现了清晰的职责分离。此 PR 的测试方法也值得参考：通过对比极大数据配置下的运行和精度来验证修复。

将 AndreasKaratzas 加入 CODEOWNERS

可直接合入，无需精读。这是一个标准的管理操作，体现了社区对贡献者的认可。

修复 Qwen3-VL/Omni 在 torch.compile 下的精度退化

该 PR 值得精读，因为它揭示了一个常见的 torch.compile 陷阱：profile 阶段与 serving 阶段的输入结构不一致会导致编译图特化错误。设计上通过固定返回 tensor 而非 None 来保持图结构稳定的模式值得借鉴。合并前建议考虑的 device/dtype 问题可在后续 PR 中加固。

修复DFlash前瞻槽位分配以解决崩溃

此PR虽然改动量小，但涉及投机解码与调度器交互的关键逻辑，值得精读。特别是`effective_lookahead_tokens`的条件演进和DFlash特殊需求的论证，可作为类似bug修复的参考。