vllm-project/vllm

修复结构化标签与推测解码导致的不受限生成

建议精读此 PR，尤其是 `should_advance` 方法中的条件判断逻辑，以及注释中对于为什么结构性标签是唯一安全例外的解释。这是一个典型的边界条件修复，展示了多特性交互时可能出现的微妙问题。同时建议关注后续的 JSON/regex 类似问题的修复。

移除压缩张量量化中的稀疏性死代码并添加弃用警告

值得合并，因为它清除了长期废弃的代码路径。但应确认 DeprecationWarning 是否真为警告（当前使用 raise 可能导致异常），建议改为 warnings.warn。

为 NemotronH 添加非 MTP 推测解码支持

建议精读 `nemotron_h.py` 中 `forward` 方法的改动，理解 `_maybe_add_hidden_state` 的收集机制。同时关注 `EagleModelMixin` 的定义，以评估后续推测解码设计的可扩展性。

新增 --enable-cumem-allocator 参数，支持手动启用 CU Mem 分配器

值得精读。本 PR 展示了如何将一个绑定在“功能 A”下的底层配置（cuMem allocator）优雅地解耦为独立参数，同时保持向后兼容。对于理解 vLLM V1 引擎的内存分配路径和与 Nixl 等 KV 连接器的交互有重要参考价值。建议重点关注 `ModelConfig.__post_init__` 中自动启用逻辑以及 `_maybe_get_memory_pool_context` 的重构。

同步 CLI 文档并新增 launch 子命令页面

值得阅读，尤其是对于希望理解 vLLM CLI 文档自动生成流程（`generate_argparse.py`）和嵌套导航结构的贡献者。核心设计决策是复用已有的 argparse mock 和 mkdocs hook 模式来统一所有 CLI 子命令的文档生成，避免了重复的手动维护。

修复 disagg 端点缺失 data_parallel_rank 转发

值得合入，修复明确且安全。PR 本身简单，但可作为理解 disagg 服务与数据并行路由交互的参考。

Intel GPU CI 新增音频和基准测试

该 PR 是常规的 CI 扩展，值得关注其作为 Intel GPU 持续测试覆盖的增量改进。review 中的依赖建议值得在其他 CI 配置中借鉴。

启用 FlashInfer Blackwell GDN 预填充内核

该 PR 设计清晰，将后端选择逻辑提取为独立函数，便于测试和替换。Blackwell 内核路径的 check 逻辑完整，推荐阅读 `_should_use_flashinfer_gdn_prefill` 的实现。关注后续 FlashInfer 版本更新及依赖安装文档的完善。