vllm-project/vllm

为 MRv2 offload 新增定向单测并回退 CI 变更

值得快速阅读，重点看 tests/basic_correctness/test_cpu_offload.py 中的 test_mrv2_weight_offloading：它展示了如何穿透 engine_core 到 GPUModelRunner，并通过 get_offloader() 直接校验 offloader 内部状态，这种测试思路对验证 MRv2 内部机制很有参考价值。对于负责 offload 或 MRv2 功能的工程师，建议精读并留意该测试对内部实现的耦合度。

改进 --linear-backend 过滤：未覆盖层回退并启用 b12x

值得精读。该 PR 是 kernel 自动选择基础设施上的一次小而关键的行为调整，展示了“严格校验 vs 可用性回退”的取舍过程，以及 FlashInfer b12x 这类新内核如何在不破坏 auto 默认选型的前提下被显式启用。关注 `_resolve_backend_kernels()` 的 helper 设计、`warning_once` 的提示策略，以及讨论中“AI 加速内核开发会使选择越来越放宽”的判断。

收窄 DSv3.2 eager CUDA graph 区域

值得精读，尤其是 eager 边界划分与 no-copy 权衡的决策过程；对想优化 CUDA graph 捕获效率的工程师有参考价值。建议后续跟进 forward_mqa 的 out 参数支持，并补充针对 eager 边界的回归测试。

注册 Qwen3.6 dSpark 接受率与 GSM8K 回归测试

值得精读，特别是数据驱动参数化测试的组织方式与回归阈值设定思路；同时需关注两点：一是 Qwen3.6 参考指标基于单次运行且容差收紧到 5%，建议补充多次测量或放宽容差以避免 CI flaky；二是确认参数化收敛过程中 Gemma4 与 Qwen3 旧用例的参数漂移（FlashInfer sampler 禁用、enforce_eager、attention_backend）是否有意为之，必要时按新配置重新校准参考值。

删除在线 MXFP4 核函数创建残留 layer 参数，修复 precommit

值得快速浏览。虽然只是一个 1 行的删除，但它是并发 PR 集成冲突修复的典型示例，可以了解 vLLM 在线 MXFP4 量化模块的入口 `_setup_kernel` 以及 `make_mxfp4_moe_kernel` 的参数契约演进。无需精读。

固定 quack-kernels 0.6.1，修复 B200 批不变性 CI 失败

该 PR 体量极小，无需精读，但值得快速浏览依赖注释行以了解 FA4/CUTLASS DSL 依赖链。值得关注的设计决策是：在量化依赖线（QuACK/CUTLASS DSL）尚不稳定时，用精确版本 pin 快速止血，同时后续应计划上游 forward-fix（如 cutedsl 4.6.2），避免长期锁定旧版本。

DSv32/GLM 短 prefill topk 跳过生效，延迟降 97.9%

值得精读。这是一个小改动撬动大收益的典型样本：将已有优化从特定路径推广到全模型族时，需要补齐参数接线与条件收敛。重点关注 WoosukKwon 的等价性追问——在构造阶段计算开关并将其作为数据契约传入内核层，是保持 indexer 与 MLA 语义一致的关键设计决策。

profiler trace 内嵌 vLLM 版本与 commit 元数据

值得快速精读，核心看点有二：一是 torch profiler schedule 与 Kineto 初始化时序的坑（WAIT 阶段 `add_metadata_json` 静默丢弃），二是“一次性标记 + 双调用点 + 容错”的幂等注入模式，可用作在框架回调中安全注入元数据的参考实现。若团队深度依赖 torch profiler 做性能分析与 trace 归档，该 PR 价值会更高；由于无自动化测试，建议后续补一个 `vllm/profiler` 的单元或 e2e 回归用例。