vllm-project/vllm

在线量化 amax 跨 TP 归约，保证权重量化跨拓扑一致

值得精读。三个设计决策尤其有借鉴价值：(1) `_is_tp_sharded` 用"amax 归约维 vs 权重切分维"的交集判定是否需要通信，避免对列并行 per-channel、EP 等本就全局的场景做无谓 collective；(2) MoE 归约组直接复用 EP 进程组而非新建组，简洁且与 DP x PCP x TP 展平切分严格对应；(3) 测试用 stub 进程组 + fake all-reduce 在单进程中验证多卡语义，并把断言写进 fake 函数内部，方法可推广到其他分布式工具函数测试。

修复 MRV2 采样器对 -1 占位 draft token 的 OOB 与误接受问题

值得精读，尤其适合关注 speculative decoding 采样路径与 Triton kernel 控制流的工程师。核心设计决策包括：verifying 短路状态机避免占位符后续算力浪费、tl.maximum 钳位防 OOB、block verification 对下一个 token 的 mask 加载与闭式阈值退化、_resample_kernel 对占位符拒绝后改用 target logits 的取舍。作者对残差分布不适用的解释是理解该修复的关键。

刷新治理文档，同步 committer 名单与 Project Leads

建议对 vLLM 社区治理和贡献流程感兴趣的读者快速浏览本 PR，重点阅读 process.md 的 TSC 定义和 committers.md 的名单变化。对于维护者，值得关注的后续动作是处理 Codex 提出的权限授予与 CODEOWNERS 同步问题。该 PR 是常规治理维护，技术含量低，不必精读代码细节。

MRV2 放开 decoder 模型 token 级 pooling 任务

值得精读。虽然是 8 个文件的小改动，但它体现了两个可复用的设计决策：一是任务门控从保守过滤收敛为模型能力声明（`get_supported_tasks` 只依赖模型自身），二是推理引擎在异步调度下对张量所有权的处理（clone 条件精细到 chunk 与 async 开关）。MRV2 相关开发者应重点关注 `AllPool.forward` 的克隆策略。

修复 PRIORITY 调度抢占后请求被静默跳过

值得精读。虽然源码改动仅 12 行，但这是典型的“遍历中删除元素导致游标错位”的经典陷阱，且该 bug 为静默错误（不报错、不崩溃，只表现为请求被跳过），复现与根因分析过程很有教学价值；回归测试用三个不同优先级请求精确构造触发路径，适合作为调度器单元测试的模板。关注点：req_index 与 self.running 删除位置的关系，以及 FCFS/PRIORITY 两条抢占分支的对比。

升级 fastsafetensors 至 0.3.3，修复元数据缺失加载失败

值得快速浏览而非精读。核心看点有两个：一是依赖下限必须指向包含修复的确切版本（而非仅放宽上限），二是 vllm 要求文件（`.in`）与锁文件（`.txt`）、`setup.py` extras 三处对齐的维护方式。对负责依赖管理和 CI 维护的工程师有参考价值。

MRV2 索引映射微优化，省去类型转换开销

本 PR 改动极小，但有两个值得注意的设计点：用 `__getitem__` 替代 `get` 规避无谓分支开销，以及用 `np.intp` 表达索引的指针语义。适合快速浏览而非精读；如果关注 MRV2 的输入准备路径，可以顺带查看 PR#50532 的更大改动。

修复 packed KV 清零步长，防止越界写与相邻数据污染

值得精读。重点关注两点：一是诊断方法论——异步 CUDA 错误下如何用同步检查点把“表象堆栈”收敛到真实写坏内存的环节，这一思路对排查同类 CUDA 内存损坏问题很有参考价值；二是实现上“块步长”与“清零页宽”解耦 + 虚拟块展开为独立 segment 的设计，可作为处理非均匀/非连续视图地址计算的范本。回归测试 `test_packed_segment_zeros_only_its_last_block_page` 短小但对回归覆盖非常精准。