vllm-project/vllm

NIXL EP 导入金丝雀测试，验证 CUDA 运行时链接一致性

建议阅读 test_nixl_imports.py 的实现，了解如何通过 `ldd` 命令在测试中验证动态链接库的依赖是否符合预期。这种金丝雀测试模式值得借鉴，可以在类似的多版本 CUDA 包冲突场景中复用。

将 SiLU+Mul 与 FP8 块量化融合，提升 MiniMax-M2 MoE 性能

值得精读，尤其是条件融合的设计模式。虽然 review 中暴露了 block_shape 类型鲁棒性等细节问题，但整体思路清晰。建议后续开发者注意将 `self.block_shape` 可能为 None 或 tuple 的类型信息明确化，并考虑为 DeepGEMM E8M0 路径添加等效的 fused kernel 或统一量化接口。

为torch.compile全图模式添加Inductor物化启发式补丁

值得阅读其成本模型的设计思路（简洁有效），但注意该PR已被回滚。建议直接使用PyTorch 2.12（已包含上游官方修复），或等待vllm团队重新评估后修复已知问题并重新合入。

修复 ROCm 上 DeepSeek V4 功能与高并发精度问题

值得所有 ROCm + DeepSeek V4 用户关注。设计决策（AITER 回退、topk 统一入口）对类似平台适配有参考价值。建议阅读 `rocm_aiter_mla_sparse.py` 中的重构细节。

PoolerClassify 去除全局状态依赖

值得精读。该 PR 展示了如何通过消除全局状态依赖来提升模块可测试性和可维护性，是良好的代码净化范例。设计决策清晰，测试验证充分。

修复 XPU FP8 weight_scale 张量形状

建议精读以了解 XPU FP8 后端的参数处理细节。应关注 review 中关于条件不一致的问题，并考虑在后续 PR 中修复：将 weight_scale 的转置放入与 weight 相同的 if 块中，确保两者布局始终同步。

XPU Worker 新增 V2 Model Runner 日志

值得合并。变更简洁、无风险，为 XPU 后端调试提供便利。可作为 V2 Model Runner 迁移状态的一个轻量级 markers。

Mamba SSM 缓存支持 bf16

该 PR 简单明确，建议合并。后续可考虑补充单元测试验证 `bfloat16` 选项在 Mamba 缓存中的实际可用性。