vllm-project/vllm

融合 Triton 内核消除 Mamba 后处理 GPU 气泡，延迟降低 17%

强烈建议仔细阅读此 PR，特别是对 hybrid 模型性能优化感兴趣的工程师。其设计模式——通过 fused kernel 将 CPU 循环决策和 GPU 数据移动合并为单次启动——可适用于类似通信边界场景。此外，review 中对 acceptance rate 的深入调试和与 #42574 的对比分析也值得学习。

将 RISC-V RVV attention 内核支持扩展到 VLEN=256，性能提升达 3.58 倍

值得精读，特别是 RVVI() 宏的使用和 VLEN-agnostic 编程模式，这是一个很好的 C++ 模板与宏结合的实践。对于 RISC-V 平台用户，建议尽快部署以获取性能收益，但需注意 VLEN>256 的兼容性风险。团队应评估并修复 Python 端检测过于宽松的问题。

修复 Intel GPU CI 中 Docker 镜像拉取与容器启动的竞态条件

该 PR 值得 CI 维护者精读，尤其是以下设计决策值得关注： - 使用 flock 解决 CI 竞态条件的模式，可推广到其他硬件 CI 脚本中。 - docker create + docker start 分离 与直接在 docker run 前检查镜像的两种方式，后者更简洁但 lock 范围更晚，此 PR 采用了前者保证可靠性。 - 注意 final version 已规避掉 review 中提出的双引号变量展开问题，说明作者在合并前主动完善了实现。

固定 Rust 前端构建的 protoc 版本，修复 manylinux 构建失败

值得关注 install_protoc.sh 的编写模式：通过独立脚本管理构建依赖，支持版本覆盖和环境检测。对于跨平台 Docker 构建，该模式可复用。安全校验的缺失属于既有权衡，可根据组织安全策略补充。

修复 FP8 线性层 padding 后 weight_loader 缺失导致的 CI 断言错误

该 PR 是典型的 bug 修复与长期可维护性改进的结合。值得阅读 `cutlass.py` 中 `padded_weight_loader` 的设计——它展示了如何处理参数张量由于 padding 导致的形状不兼容，并保持加载器可重入。同时关注量化方法与内核后处理之间的调用拓扑，确保嵌套调用正确。建议在后续类似变更中延续此模式。

替换 tokenization 测试模型为 SmolLM2-135M，节省 GPU 资源

该 PR 变更简单清晰，值得作为 CI 测试资源优化的参考案例。建议后续类似测试模型替换时参考此做法：优先选用 135M 级别模型，确保有 chat template 即可。

修复 FlashInfer TRTLLM NvFP4 MoE 路由语义不匹配

此 PR 虽仅一行改动，但揭示了跨库语义不匹配的典型陷阱，值得精读以理解 MoE 路由细节。建议 review 并尽快合入，同时补加单元测试避免回归。

KDA chunk prefill 衰减改用 exp2 加速 1.4%

建议关注 KDA 相关模型的性能测试。设计上使用编译期常量条件化 exp/exp2 并默认兼容旧行为的方式值得参考。Benchmark 脚本的引入和删除也展示了 review 过程对无必要代码的剔除。