vllm-project/vllm

修复 FlashInfer CUTLASS 后端 MXFP4 权重转换缺失

值得精读。核心价值在于展示了多后端 MoE 量化权重转换的扩展模式：统一入口、按枚举分支布局交换与交错、用 monkeypatch 记录底层 interleave 调用来做纯 CPU 回归测试。对后续接入新后端或处理其他量化格式的开发者有直接参考意义。

draft_model 默认启用异步调度并移除 xfail

建议快速精读，3 个文件、1 行核心改动，几分钟即可读完： - **最值得关注的设计**：`VllmConfig.__post_init__` 中异步调度默认解析的完整分支链（pooling → speculative 方法白名单 → `disable_padded_drafter_batch` → executor 支持性 → ROCm DeepEP），是理解 vLLM 配置默认值“先收窄、再放宽”策略的好样例。 - **可借鉴的测试模式**：用“定制异常 + `xfail(raises=...)`”在缺陷未修复时精确标记失败、避免 CI 噪音，修复后再收敛为普通断言，让回归第一时间可见。 - 若负责 speculative-decoding 或配置系统，建议阅读 `tests/test_config.py` 新增用例作为默认值回归测试的模板。

XPU AWQ 统一走 choose_mp_linear_kernel，删除专用实现

值得精读，尤其是 `choose_mp_linear_kernel` 统一平台内核选择的设计思路：通过将 AWQ 权重统一转换为 GPTQ 格式，让一个 LinearMethod 服务多个平台的 WNA16 内核，是消除平台分叉的典型模式。关注 `process_weights_after_loading` 中权重转换的契约，以及未来 XPU 内核扩展时是否需要重新引入平台判断。

XPU 上支持 MultiConnector 正确性测试

该 PR 体量小且为纯测试变更，不值得精读。若关注测试脚本如何做跨平台设备抽象，可留意 `DEVICE_VISIBILITY_ENV` 的切换方式和 `kv_buffer_device` 配置注入；整体设计直白，无需深入。

XPU 支持 MXFP8 线性权重，优化 DeepSeek V4 输出投影

值得精读。核心亮点是零额外内存的布局兼容方案：不复制 scale，只用 `.t()` 视图同时满足 checkpoint 规范布局与 oneDNN 连续布局要求；`_prepare_bmm_params` 的预计算也体现了批 GEMM 场景下减少逐调用重排开销的思路。建议结合 #49596 的讨论理解“公共算子布局假设”带来的维护困境，并跟进 vpirogov 所要求的 oneDNN reproducer，推动上游能力补齐。

Ernie-4.5-VL 图像推理接入 ViT CUDA Graph，编码器提速约 3.8 倍

值得精读。该 PR 是 `SupportsEncoderCudaGraph` 协议的又一个落地案例，展示了如何处理无法捕获的 host-side 逻辑（resampler eager）以及如何通过 `prepare_encoder_metadata` 解耦图捕获与 eager 路径。对于要接入 ViT CUDA Graph 的模型开发者有很强的参考价值，尤其是固定缓冲区的填充策略与最坏情况 `max_seqlen` 的设计。

Pooling 探测用 Mapper 提前退出，避免整包克隆

值得精读。PR 体量小但展示了三个值得学习的决策：为何不能整体删除前缀探测、为何不能对整份权重流直接 `apply()` mapper（双重映射 + `clone()` 不保留 `shard_id` 元数据）、以及如何在保持 #39650 buffer-reuse 保护的同时用模型自带 mapper 让探测提前退出。对理解 vLLM pooling 适配器与 `WeightsMapper` 的加载契约非常有帮助。关注点：`_map_name` 私有 API 的使用，以及测试中 `Tensor.clone` 计数的验证手法。

修复 MiniCPM-V 在 Transformers v5 下的占位符替换与图像处理器复用

值得精读。三个设计决策有借鉴价值：一是用"先 token 匹配、失败后分段文本编码"的双路径策略兼容 BPE 边界差异，并把 workaround 下沉为公共层工具而非堆在模型文件里；二是通过 `processor_cls_overrides` 绕过 `AutoImageProcessor` 按类名共享缓存的机制，解决多 checkpoint 类名冲突；三是在 review 中把"复现原始失败"作为测试验收标准，`test_image_processor_for_dif_model` 和 `test_prompt_has_dif_BPE_boundaries_in_context` 在 main 上失败、分支上通过，是高质量回归测试的范例。阅读时可重点关注 `_apply_prompt_updates` 覆写与公共实现之间的重复代码边界，以及上游 transformers 修复合入后的清理机会。