vllm-project/vllm

允许在 PyTorch 2.11 中使用 Opaque Objects，修复相关测试失败。

建议：对于使用 PyTorch 2.11 和 torch.compile 的开发者，此 PR 值得精读，以了解如何处理 Inductor 的 opaque objects 支持。关注 `_apply_constrain_to_fx_strides_patch` 的设计决策，以及版本检查的调整，这些反映了与上游 PyTorch 集成的技术权衡。

修复Qwen3.5/Qwen3-Next在序列并行下共享专家权重分片导致的精度问题。

该PR值得快速浏览，重点关注SharedExpert中disable_tp参数的传递逻辑，以及is_sequence_parallel如何与现有并行配置集成。对于从事模型并行或MoE开发的工程师，可学习如何正确处理序列并行下的专家权重分片。建议检查其他MoE模型是否有类似问题。

修复spec_decode测试中因行超长导致的pre-commit检查失败。

这是一个琐碎的格式修复，无需精读。工程师可快速浏览以了解pre-commit合规性要求，但无设计决策值得关注。

修复--max-model-len=-1时超限请求挂起导致服务不可用的同步缺陷。

该PR值得精读，特别关注使用msgpack结构化消息进行进程间通信的设计，以及如何处理分布式环境下的配置同步（如min操作）。对于涉及多进程同步、配置管理或ZMQ协议的场景有借鉴意义。建议工程师学习_apply_ready_response的实现和测试用例的编写方式。

在推测解码E2E测试中添加异步调度断言，确保配置正确启用。

建议测试工程师和推测解码开发者阅读此PR，以了解如何验证异步调度配置，并关注draft_model的进展。代码变更简单，但设计决策（如自定义异常和xfail处理）值得注意。

添加 NVFP4 线性层对批量不变性的支持，确保量化模型推理确定性。

建议技术管理者关注 EMULATION 后端实现中的潜在正确性问题，并考虑后续修复；工程师可精读测试文件以理解批量不变性验证方法，但核心代码变更简单，讨论中的问题值得注意。

将 DEEP_GEMM MoE 内核文件移至 experts/ 子目录以统一组织。

此 PR 是简单的文件重组，无需深入阅读内核逻辑。建议维护 MoE 模块的开发者检查导入更新是否完整，并关注后续可能的相关重构。对于代码组织模式有参考价值，可作为类似迁移的范例。

修复Gemma4模型多轮工具调用和推理问题，添加adjust_request方法到推理解析器。

此PR值得精读，重点关注以下设计决策：1. adjust_request方法的引入，展示了如何在推理解析器中动态调整请求参数，平衡模型特定需求与通用接口。2. 聊天模板的定制化实现，处理工具结果编码和多轮对话逻辑，可作为复杂模型集成的参考。3. review中提到的风险点（如全局硬编码和猴子补丁）提供了实际开发中的教训，建议在类似变更中避免类似模式。