vllm-project/vllm

ShortConv 改用 PluggableLayer 基类

值得快速浏览以了解 CustomOp 到 PluggableLayer 的迁移模式（导入、装饰器、基类三处联动，注册名保持不变），但不必精读：改动面极小且无测试/文档配套。关注点应放在 PluggableLayer 与 CustomOp 的语义等价性上，后续其他算子做同样迁移时可复用本 PR 作为基准。

加固 Transformers 多模态处理，修复占位符与字段归属 bug

值得精读。核心设计是 `_partition_keys_by_modality`：利用子处理器声明的 `model_input_names` 做字段归属，既避免硬编码键名又提供未认领告警。理解该模式有助于后续处理视频模态或新增 HF 处理器兼容层。建议关注 [1/N] 系列后续 PR，特别是 `text_replacement_offsets` 对相邻音频占位符的根本性修复。

Humming 后端改用显式 LayerConfig 契约

值得精读。这是“外部内核库集成解耦”的典型案例——通过显式 `LayerConfig` + 张量契约替代层对象直传，把 vLLM 模型层与第三方 kernel 库的耦合降到最低，设计模式可复用到其他后端。重点阅读 `humming_utils.py` 的 `prepare_humming_linear_layer_config` / `apply_humming_linear` 与 `fused_humming_moe.py` 的 `HummingExpertsBase`；review 中关于“layer 参数为何暂不能移除”的讨论揭示了一个真实的量化布局兼容问题，值得关注其后续进展。

新增 MI325X Mamba SSU float32 调优配置

值得阅读的轻量级 PR，展示了 vLLM 的 per-device kernel launch 配置机制和调参→验证→落地的完整流程，对需要为其他设备/内核添加类似调优的工程师有参考价值。

修复 ROCm AITER QK-Norm+RoPE+KV 融合在 packed KV 布局下的崩溃

值得精读，尤其是 `_split_kv_cache` 的提取方式和后端 gate 的对称性设计。该 PR 展示了如何在多后端代码中通过共享辅助方法消除布局假设耦合，并利用 gate 避免不支持的 kernel 路径，是 ROCm AITER 后端维护中典型的布局兼容修复。建议关注后续 AITER 版本升级时的回归测试。

ROCm 在 WSL2 下按内核版本启用 pinned memory

值得快速阅读：若是 ROCm/WSL 相关开发者，可重点看 is_pin_memory_available() 的门控逻辑与 warning_once() 循环导入注释；若要评审，建议提醒作者将 XPU CI 脚本改动拆到独立 PR，并补充 _get_wsl_kernel_version() 的单测。

修复 DP 端口保留段内 VLLM_PORT 死循环并补齐批量端口过滤

值得精读。第一，根因分析教科书式清晰：确定性输入 + 无状态重试 = 死循环，修复利用「升序扫描从区间末尾开始不可能再落入区间」的数学性质，用一次有界重扫替换整个循环，是低成本高收益的小规模设计决策。第二，测试中用守护线程 + 超时断言把「死循环回归」转化为「快速失败」，该模式可复用到其他 hang 类缺陷的回归测试。第三，多个并行 PR 解决同一问题时，通过 commit 保留原作者署名、在正文致谢未纳入方案的做法，是社区协作的良好示范。

MoRIIO 新增逐层读 barrier，修复 READ 模式高并发解码精度退化

值得精读：该 PR 展示了异步 RDMA 完成与 CUDA 图捕获之间的真实矛盾，以及维护者在正确性与性能之间权衡后的最终取舍（尊重用户配置 + 警告）。关注点包括 per-layer 状态设计、屏障超时策略，以及 `requires_piecewise_for_cudagraph` override 从引入到移除的演进过程。建议跟进 issue #49643 的 FULL 图方案。