vllm-project/vllm

NIXL 握手校验 P/D 投机解码配置兼容性

值得精读。重点看 `_get_speculative_compatibility_factors()` 的因子选择逻辑与 review 中"resolved vs override"的讨论——这是设计握手兼容性 hash 时的通用决策难点。负责 KV-connector、分离式推理或投机解码的工程师建议仔细阅读；普通模型开发者可只读实现拆解与文档说明。

窗口预填充跳过全掩码 key 块，长序列提速显著

值得精读。这是一个典型的「先计算有效边界，再循环遍历」的 Triton kernel 优化范例：改动小、收益大、行为不变。建议关注其块对齐细节（起点向下取整、终点依赖 mask 兜底）以及测试覆盖缺口；若要进一步加固，可为因果 + 滑动窗口、`SLIDING_WINDOW_Q != SLIDING_WINDOW_K` 等组合补充回归用例。

修复 ROCm CI 缺 Helion 脚本导致的测试收集失败

值得快速浏览，尤其适合 CI 基础设施维护者阅读。它展示了一个容易被忽视的模式：构建测试镜像时导出工件清单必须与测试代码的 import 依赖保持同步，并用 source_file_dependencies 固化触发关系。改动极小，无需精读。

修复 DCP 下统一 KV 缓存规格的 block table 宽度不一致

值得精读。该 PR 改动小，但揭示了 DCP 下 KV cache spec 机制的设计缺陷，修复思路（委托给合并 specs 并断言一致性）具有借鉴意义，且测试覆盖了多种场景。

Kimi-K3 共享专家可选 TP 分片，decode 省显存提速

值得精读。三个看点：其一，实现上 “reduce-scatter 双职责”（跨 TP 求和 + 恢复序列分片）是 SP 下省一次集合通信的干净范例；其二，PR 正文的测量方法论值得借鉴——profiling 与内存预算双证据定位问题、只信有 trace 佐证的 ITL 数字、明确标注方差与 crossover 为估计值；其三，测试刻意用“互不相交 token 切片”建模，能抓住“按 feature 拼接 partial”这类会产生看似正常实则错误输出的回归，测试设计本身有教学价值。阅读时可重点结合 jeejeelee 的 AR 合并疑问与作者自述的 FusedMoE / 跨节点后续。

移除已废弃的 calculate_kv_scales 运行时 KV scale 计算路径

该 PR 是一次值得阅读的废弃功能清理范例：覆盖了配置、算子、runner、测试、文档的完整移除链路，展示了如何安全地删除一个已废弃的运行时路径。建议关注 `vllm/model_executor/layers/attention/attention.py` 和 `vllm/model_executor/layers/quantization/kv_cache.py` 中 scale 解析逻辑的简化，以及 `gpu_model_runner.py` 中 CUDA graph 约束的移除。mgoin 提到的后续全局扫描值得留意，若在 main 上发现残留引用应尽快补齐。

跨 22 文件清理 405 行死代码，覆盖模型、量化与编译模块

值得快速精读，作为大规模死代码清理的标准参考：重点关注 hmellor 的拦截点（deprecation 工具保留）与作者在两个模型文件间同步清理重复方法的协作方式。如果团队有 agent 或自动审计流程，可以顺带落实「保护废弃兼容工具」的规则，避免未来误删。

删除 DSpark 错误的启动断言，恢复合法配置启动

值得快速阅读：它展示了一个错误配置断言的判别与回滚过程。如果你在使用 DSpark 或维护 speculative decoding 配置，建议关注两点：一是删除后下游是否真正容忍小 `num_speculative_tokens`；二是历史 PR #47419 中该断言为何被引入，避免相似问题复发。