vllm-project/vllm

修复 Mamba all 模式 offload 边界对齐错误

值得精读，尤其是给负责 KV offload 与状态缓存类组件的工程师。三点值得借鉴：一是 issue 驱动的根因分析路径（边界命中 = 点状态恢复 + 末 token 重算的组合），二是用 FP32 无损状态隔离精度噪声、再用负向对照证明测试有效性的方法论，三是 PR 作者对 CI 失败逐条归因（节点故障 vs 上游回归）的严谨态度。阅读重点放在 `resolve_mamba_align_size()` 的对齐语义与 `test_mamba_cpu_offload_boundary` 的断言设计上。

修复 EPD 编码实例因多余 gather 崩溃

值得精读。该 PR 展示了如何在 worker 侧而非调度器侧消除错误报告，以及如何通过拆分 encode/gather 半路径来避免无意义计算与崩溃；对 Model Runner V2 多模态路径的维护者和 EPD 部署使用者有参考价值。测试代码对 mock 契约的描述也值得借鉴。

V2 采样链路支持 thinking_token_budget 强制收尾

值得精读。核心看 vllm/v1/worker/gpu/sample/thinking_budget.py 的两个 Triton kernel：增量扫描缓存 + 冷扫描块向量化的设计、_load_effective_token 对 committed 与 spec-draft token 的统一读取，以及 forced-end 置 1e9 而非全 vocab 覆写的取舍。njhill 最终提交（clamp、UVA 脏标记、prompt_len 去除）也是很好的 MRV2 状态类优化范本。同时应关注讨论中未解决的 parser 隐式结束 gap，它会在 ParserEngine 迁移时再次触碰同一逻辑。

重新启用 Qwen3.5-35B-A3B CI 的 FlashInfer MoE autotune

不值得精读，属于低风险配置回归。可留意其关联的 issue #46083 是否被正式关闭，以及后续 CI 是否稳定；若想了解 FlashInfer MoE autotune 的机制，可结合 #46083 和 #45002 一起阅读。

修复 committers.md 列表前缺空行导致的 pre-commit 失败

无需精读，属于琐碎文档修复。对本仓库维护者而言可快速通过；对文档贡献者而言，可借此了解 mdformat 对列表前后空行的硬性要求，避免再次触发同类 CI 失败。

CuteDSL NVFP4 MoE 新增 SwiGLU-OAI 与 ReLU² 激活支持

值得精读。重点看三处设计：一是 `apply` 中按激活类型构造参数并按需过滤 None 的透传模式，这是避免 kernel 默认值被意外覆盖的通用做法；二是 `reorder_w13_to_w31_for_flashinfer_cutedsl` 对两种 gated 布局的归一化处理；三是测试中发现的容差陷阱——当参考输出量级接近量化噪声时，需要叠加方向性判别（cosine）才能防止零输出误通过。

V1 异步调度下 NaN 计数改为设备侧异步拷贝，消除阻塞 D2H

值得精读，展示了如何将同步 D2H 转换为异步复制，设计模式可复用。重点关注 `_bookkeeping_sync` 返回契约变更和 `AsyncGPUModelRunnerOutput` 的异步复制机制。

CI 排除 KV 连接器子树，消除无关步骤扩散

建议 CI/基础设施维护者精读：本 PR 展示了「用最小 diff 解决 CI 扩散」的范式，逐文件排除语义（include 命中且 exclusion 不命中）与「外科手术式排除 vs 全量 import 白名单」的取舍都值得借鉴；KV 连接器相关开发者应了解该排除规则，确保连接器改动仍由专属 Disaggregated job 覆盖。普通功能开发者可跳过。值得关注的决策：排除语义按文件而非按目录判定、以及「模拟选择 + 典型路径回归清单」的验证方法。