vllm-project/vllm

CPU MXFP4 解包零值特判 4 指令折叠为 2，位级等价

值得精读，重点看三处： 1. `vptestmw` 互补掩码 + `maskz_add` 的指令折叠思路——用谓词补集加零掩码写入替代混合选择，是 AVX-512 下常见的两指令等价变换范式。 2. 测试设计：针对“现有 1e-2 容差会包住坏特判”的盲区，特意构造全零码场景并用精确相等断言，体现了围绕不变量而不是围绕功能正确性写测试的思路。 3. 作者对性能数据的处理：主动撤回不可复现的测量行、明确区分硬指标（位精确性、指令数）与辅助证据（吞吐），是技术汇报的可借鉴范本。建议关注 sglang#34292 的合入状态，确保两份 `vec.h` 保持一致。

为 XPU 新增预构建 wheel 的发布与安装支持

推荐精读，面向发布基础设施维护者和 XPU 支持相关开发者。值得关注的设计决策： 1. 用多阶段 target `vllm-build` 分离 wheel 构建与 runtime 镜像，避免把编译工具链带进最终镜像； 2. 用 `triton==3.7.2+xpu` 同发行版 shim 解决依赖命名冲突，比 uninstall/install 更可维护； 3. 索引过滤刻意收窄到 `vllm-*` 与 `triton-*+xpu-*`，防御性写法值得在其他平台复用。 对一般用户而言，主要是安装文档变化，可作为 XPU 安装路径参考。

修复 RISC-V CPU 后端构建回归，移除 FP32Vec 拷贝构造上的 explicit

建议快速阅读（约 5 分钟），它是理解 C++ 拷贝初始化与 `explicit` 交互、以及平台后端构造一致性的好例子。对 RISC-V 用户而言应直接升级到包含此修复的版本；对一般贡献者，可关注其中关于跨后端保持构造函数签名一致性的维护原则。

新增 Muse Glimmer VLM 支持：ATEM 工具解析、DFlash 投机解码

值得精读。三个设计点有很强的可迁移性：(1) 对非 JSON 协议模型，选择“分段 + 选择”替代“正则减法”解析工具调用，并在流式场景用 holdback 不动点保证输出只增不减；(2) config 双布局归一化（flat vs nested）防止 checkpoint 静默错配；(3) DFlash 的 RoPE 布局从目标模型推断而非依赖 draft 检查点。同时建议跟踪社区未决问题：draft buffer 越界修复、`is_reasoning_end_streaming` 增量解码、无工具结构化输出缺口，这三项都有对应后续 PR 或框架修复的空间。

修复 ROCm 预编译 wheel variant 检测，安装时按环境解析校验

值得 ROCm 相关维护者和构建基础设施工程师精读。核心设计亮点是「环境检测 × 发布集合 × 用户 override」三方交叉校验的 variant 解析策略，以及从 review 讨论中催生的 torch ABI 警告 UX（给出可复制的 pip/uv 命令）。可以关注 `resolve_rocm_wheel_variant` 的拒绝策略与 `warn_if_rocm_torch_version_mismatch` 的消息构造方式，对同类安装器/依赖解析代码有借鉴意义。

NIXL 兼容哈希加入 push/pull 模式，并对外暴露传输模式

值得精读。重点关注三个设计决策：一是把 transfer_mode 作为哈希因子而非常规运行时校验，在握手阶段就拦截协议不兼容配对；二是通过类属性 `_TRANSFER_MODE` 覆盖而非重复传参，避免多处调用点漏传；三是同一 PR 内完成哈希防御与 router 元数据暴露的闭环，并配套针对性单测。对做 KV transfer 或外部路由集成的读者尤其有参考价值。

修复 Qwen3Next EP+SP 解码损坏，改为显式 SP 布局契约

值得精读。核心价值在于「形状推断歧义 → 显式布局契约」的设计决策：当 TP 维度下形状无法区分全量与分片时，放弃运行时推断、在模型入口/出口与每层边界固定布局，是比继续补丁形状判断更稳健的方案。建议关注三点：`_should_use_sequence_parallel` 的判定条件（全 MoE 才启用契约）、入口 shard 与出口 gather 的对称性（含 aux hidden state 的合并 gather）、MTP 绕过共享 forward 时的契约适配方式。

融合 GDN MTP decode 内核，解码延迟降低 1.2x-2.2x

值得精读，尤其适合关注投机解码与 attention kernel 的工程师。值得关注的设计决策包括：单 kernel 融合整条 decode 链路的取舍（含放弃 mixed-batch 融合）、基于 `num_accepted_tokens` 的 state rewind 语义、约束不满足时默认回退 vs 显式 raise 的配置策略、以及把新 custom op 显式登记为 piecewise CUDA graph split boundary 的编译集成。review 中关于 CUDA graph padding 与 `torch.zeros` 的讨论也很有价值。可结合 `csrc/libtorch_stable/gdn/fused_gdn_decode_kernel.cu` 与 `tests/kernels/test_fused_gdn_post_conv.py` 对照阅读。