vllm-project/vllm

切换 LMCache 后端默认使用多进程连接器

建议阅读此 PR，因为它展示了如何将进程内 KV offloading 设计迁移为外部服务器模式。关键设计决策包括：使用多进程分离解耦缓存管理与推理引擎、利用 connection string 默认值简化配置、移除不再需要的配置项以避免用户误解。对于计划集成外部缓存系统的开发者有很好的参考价值。

修复Pooling端点LoRA名称匹配后404错误

该 PR 属于高信号的小型 bugfix，值得精读其修复模式和测试设计，特别是如何构造 PoolingServingBase 的测试替身。

为 MRV2 添加 Gemma4 MTP 支持并重构 speculator 架构

值得精读。本 PR 展示了一次成功的大规模重构实践：通过属性化钩子和模板方法模式将通用逻辑与模型特定逻辑分离，代码行数净减约 700 行。设计决策（如属性 vs 继承、钩子的粒度）值得在类似扩展点设计中借鉴。关注点：测试覆盖需后续补齐，建议阅读 merge 后的 #44253（修复了 capture 阶段 attention state 问题）。

修复XPU下GPU模型runner测试跳过条件

此PR是典型的平台兼容性修复，技术价值不高，但保证了CI流水线在XPU上的稳定性。建议快速合并，无需深入审查。感兴趣的读者可留意测试跳过条件的未来调整。

修复 Gemma4 MTP 并发下 block table batch_size 不匹配

建议尽快合并此修复，因为它直接解决了 Gemma4 MTP 在 FlashAttention 后端下的生产阻塞 bug。虽然改动极小，但 root cause 分析清晰，值得其他 speculative decoder 开发者在实现类似 per-group block table 时注意 batch 维度对齐。

Bump actions/stale 到 v10.3.0

该 PR 为常规依赖升级，无需特别关注。

移除 FlashInfer 版本检查

可以快速合并。这是一个干净的清理 PR，适合作为审查培训的简单案例。

分离 speculator prefill CUDA graph 的 attention state

强烈建议精读本 PR，尤其是 `cudagraph_utils.py` 中的设计。它清晰地展示了如何处理 CUDA graph capture 中的 lazy initialization 问题，是一种可复用的模式。其他需要实现自定义 `CudaGraphManager` 的开发者应参考此模式。