vllm-project/vllm

DSV4/Kimi K3 的 DeepGEMM MegaMoE 接入 R3 capture

值得精读。该 PR 是理解 vLLM routed-experts capture 机制扩展点的好样例：用 `@runtime_checkable` Protocol 替代基类继承或注册表，以最小侵入方式统一了 MoERunner 与非 MoERunner 的绑定路径；同时 capture 先于 EPLB 的时序设计体现了对 logical/physical 专家 ID 语义的细致考量。建议结合测试 `test_deep_gemm_mega_moe_capture_precedes_eplb` 的 monkeypatch 手法一起阅读，并留意其与 MRV2 解码路径（PR#51865）的交互。

GDN 解码路径跳过冗余计算，低并发吞吐 +7%

建议快速精读。它是一行级的微优化，但 profiling、单点移动、双并发 benchmark、精度验证的完整闭环非常适合作为性能类 PR 的参考模板；对 GDN 后端维护者而言，值得记住 compute_num_computed_tokens() 的使用范围只在 prefill 分支。

修复 XPU Triton 发布脚本临时目录路径，适配 Docker 挂载

值得快速阅读，作为 51759 的后续修复，理解 Docker 挂载与相对路径转换的小技巧；不值得深度精读。关注点在于 shell 脚本中临时目录与容器挂载的兼容性处理。

在线 NVFP4 MoE 内核重载时复用，修复非有限输出

值得精读。这是典型的 CUDA 图地址固化与对象重建冲突的问题修复样例，展示了如何通过对象生命周期守卫解决图重放失效，与 #48902 的防护思路一脉相承。关注 _setup_kernel 中 guard 的放置位置和测试中对调用次数的精确验证。

删除冗余 uniform token 计数包装，统一 decode API

这是一个行为保持的小型重构，不值得花大量时间精读，但适合快速浏览以理解 MRv2 中 uniform token count 与 CUDA 图 dispatch 的关系。建议重点结合 #51865 的原始 bugfix 一起看：该 PR 修复了投机解码下全图误重放问题，本 PR 则消除了随之引入的 API 重复。若后续继续演进 MRv2 CUDA 图调度，需要注意 `has_prefill=False` 这一隐性契约。

层式重载重叠警告仅首次触发，消除热路径日志风暴

该 PR 值得精读。虽然改动仅两行，但它展示了一个典型的日志热路径问题：warning_once 的缓存 key 随参数变化导致告警风暴，以及如何通过集合状态将 O(n) 重复扫描降为 O(1) 的首次触发。建议关注 `layerwise.py` 中对 `LOADING_LAYERS` 的处理方式，以及测试中对调用次数的固化，这对后续在线重载相关优化有参考价值。

让 derender 的 model 字段可选，服务端自动解析模型名

值得精读的是 PR body 而非代码本身：作者对“回退应该放在哪一层”的论证（serving 层 vs pydantic 默认值）、空串行为收敛的判定、以及测试边界与 CI 环境性失败的自述，是小型 API 契约变更的规范范本，可作为后续类似变更的评审 checklist。代码本身很小（协议层 4 处字段放宽 + serving 层 4 行解析），若只关心 derender 功能线（render→generate→derender 与 #50550）的演进可快速浏览；建议合并后顺手给流式端点补一个省略 model 的单元测试，消除作者自留的覆盖缺口。

Intel GPU CI 全局改用 VLLM_DISABLE_COMPILE_CACHE=1

可作为 CI 配置收口的小型示例快速浏览，无需精读源码。值得关注的设计决策是：将跨多个 YAML 重复的环境变量前置改为基础脚本全局导出，并用 docker run -e 透传保证容器内外一致，这种模式适用于同类硬件 CI 的批量配置收敛。