vllm-project/vllm

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。

新增 nvfp4_4over6 KV cache dtype，按重建误差优选 scale 提升量化精度

值得精读，重点看两点：一是 `csrc/libtorch_stable/nvfp4_kv_cache_kernels.cu` 中误差引导的 scale 选择实现（软件模拟 e2m1 舍入做重建误差评估，再以 SSE 为准则择优），这是将「量化质量」转化为可在 kernel 内计算的代价函数的典型做法；二是 review 中从独立 algo 配置收敛为 dtype 的设计决策，对 vLLM 这类配置面繁多的项目很有借鉴意义。若团队在 Blackwell 上使用 NVFP4 KV cache 且对精度敏感，可评测 `nvfp4_4over6` 在自身负载下的精度-吞吐权衡。

修复 MoE 权重加载时空 bias 参数导致的崩溃

值得精读。改动虽小，却展示了重构后兼容性修复的正确姿势：从 `AutoWeightsLoader` 复用既有模式，同时用测试明确划定“可跳过”与“必须报错”的边界，特别是 `test_fused_bias_names_are_not_skipped` 防止静默丢权重。关注 `RoutedExperts.load_weights` 与 `AutoWeightsLoader` 的一致性，以及测试如何用 dummy config 低成本复现真实加载路径。

禁用 uvicorn 信号处理，消除启动竞态与轮询延迟

值得精读。该 PR 提供了一个可复用的模式：通过子类覆写第三方组件的 hook（把 capture_signals 变成 no-op）来消除信号注册竞态，而不是用轮询等待标志位去“排序”事件。建议重点关注两处：一是删除轮询后启动失败（如端口占用）是否还能及时上报；二是 DP Supervisor 自身的信号处理路径是否覆盖了所有预期退出场景。若团队后续升级 uvicorn，建议把 capture_signals 覆写行为纳入回归验证。