vllm-project/vllm

修复 MiniMax-M3 NVFP4 推理乱码，补齐 SwiGLU-OAI 参数传递

建议精读 `flashinfer_cutlass_moe.py` 的 `_per_expert` 重构与测试中的 monkeypatch 捕获模式，它们展示了如何在不改内核的前提下修复参数传递类正确性 bug。对于 MoE 量化适配的维护者，可进一步考虑把同一解析规则推广到 Marlin 等其他后端，并补充非 Swiglu 激活的映射回归测试。

修复 Marlin FP8 下 MLA 激活被误转 int32 的 prefill 崩溃

建议对 MLA + 量化组合（Marlin FP8、NVFP4、原生 FP8、非 FP8）有维护需求的工程师精读本 PR。值得关注的决策：将 dtype 推导收敛为纯函数并以 params_dtype 作为计算 dtype 的权威来源，避免 weight.dtype 的存储格式语义泄漏到计算路径；该模式可推广到其他可能被量化后端 repack 权重的层。遗留短板是最终未保留自动化测试，读者可考虑补一个针对 _get_kv_b_proj_input_dtype() 的纯单元测试，覆盖 int32、uint8、fp8 + use_fp8_prefill 组合的分支。

模型加载时一次性解析并复用 Hub revision，减少 HTTP 请求与竞态

值得精读。主要看点在：1）`ResolvedRevision` 的 `str` 子类设计如何在不改动下游签名的情况下同时满足可读性与确定性；2）Hub revision 解析的集中化如何降低 CI 速率限制；3）`local_files_only` 与离线缓存的结合方式。建议读者关注 `vllm/config/model.py` 中解析时机的选取与 fallback 策略。

为 Qwen3.5 PPL 测试补 enable_chunked_prefill 修复 CI 失败

本 PR 是一次很小的测试修复，不需要精读；但值得留意的是它揭示了 PR #50991 的默认行为变更对 hybrid 模型测试配置的连带影响。若有多个 hybrid 模型测试依赖 align 缓存模式，建议后续用统一的 fixture 或公共配置管理 enable_chunked_prefill，避免每次都要按模型手动硬编码。

修复 Kimi-K3 在 EP 下误填充 MoE 中间尺寸

值得精读：单行修复但揭示了并行配置与 MoE intermediate padding 耦合的系统性陷阱，可作为 TP/EP 混合部署下内存契约设计的参考案例。建议阅读 issue #51124 的完整分析，并关注后续是否补充 EP 场景的回归测试。

修复 CI 授权通知竞态，从 head commit 兜底解析 PR

值得精读 `resolve_workflow_run_pr` 的设计：它展示了 GitHub Actions `workflow_run` 事件中 PR 关联缺失时的标准兜底模式（事件关联优先，head_sha 反查次之，严格校验 open 状态和 head SHA）。关注点：对象 `ready` 标签补发与 marker 去重如何配合，以及 `workflow_run.id` 进入 concurrency group 对串行化的影响。该 PR 可作为 CI 事件竞态修复的参考样例。

复用推理预处理链路，/tokenize 与生成保持一致

值得精读。该 PR 展示了如何通过提取公共处理器来消除端到端路径与工具端点之间的语义漂移，其核心设计——将 tokenization 与 generation-lowering 解耦、为工具端点提供专用入口——对理解 vLLM Rust 前端的架构分层很有帮助。建议重点阅读 `rust/src/chat/src/lib.rs` 的 `prepare_text_request` / `prepare_for_tokenization` 拆分，以及 `rust/src/text/src/lib.rs` 的 `tokenize` 与 `prepare` 的职责划分。

Mooncake 连接器新增可选组语义，按逻辑前缀归组对象

值得精读。它展示了上游协议演进时下游框架无侵入接入的完整套路：默认关闭、运行时能力探测、旧版本回退、双重写路径覆盖。组 id 边界的设计讨论（逻辑生命周期单元 vs 物理分片、`chunk_hash` 保留与否）对同类分布式缓存系统有借鉴意义。建议重点阅读 `worker.py` 中的 `_make_mooncake_group_id` 与两条写路径的 `group_ids` 组装逻辑，以及测试中对 existing-object 过滤后对齐的回归用例。