vllm-project/vllm

滑动窗口取值改从层读取，修复全局层被误加窗口

值得精读。核心设计决策是「group 级共享元数据只能承载所有成员一致的属性，否则退化为无约束」，并展示了两个后端如何统一口径、用 e2e 等价性测试守护配置开关语义。评审中关于其他后端是否需要同步修改的问答也提示了「先确认路径是否相同，再决定改动范围」的排查思路。

升级 Transformers 至 5.15.0 并适配其 API 变化

值得快速浏览：重点看 `multimodal.py` 的兼容层写法（`getattr` 回退 + `torch.isin`）与 `_HeterogeneousConfig` 的初始化顺序调整，这两个模式可复用于其他向 transformers 5.15 迁移的适配。若团队维护 Transformers 建模后端或多模态 pipeline，建议精读源码片段并关注 5.15 的 release notes。

为 MRV2 补齐 encoder 计时统计，修复 mm-processor bench 崩溃

值得精读，推荐关注两点：一是 review 中关于“保持执行函数签名纯净、用上下文管理器承载横切逻辑”的设计取舍，这是可迁移到其他计费/观测功能的通用模式；二是数据契约从单一 runner 文件迁移到共享 `utils.py` 的做法，能有效避免 V1/V2 双份定义漂移。若你在维护多模态模型或基准测试工具，建议特别细读 `encoder_runner.py` 的 `timed_encoder_operation` 实现。

ROCm gfx950 新增 FlyDSL 4-bit TurboQuant 解码内核

值得精读。对 ROCm/AMD 内核开发者，这是 FlyDSL DSL 内核嵌入 vLLM attention 后端的完整样例；对平台维护者，_SegmBufPool + _max_capture_batch_size 解决多尺寸 CUDA-graph 捕获显存与地址稳定性的思路，以及 rocm.py backend 选择放宽的边界条件都值得借鉴。CUDA 用户无需深入内核细节，但可以关注后续 backend 抽象与配置字段的演进。

修复示例 KV 连接器设备绑定并纳入 XPU CI

该 PR 改动小且清晰，值得快速浏览。核心设计是"设备跟随目标张量"而非硬编码后端，这种模式对多平台支持有参考价值；同时将示例测试纳入 XPU CI 是低成本高收益的覆盖方式。

修复 Qwen GDN 混合批次下 gate 与投机 token 错位

值得精读。这是一个典型的数据契约/索引对齐 bugfix：改动仅 6 行，但揭示了 GDN 投机解码路径中“收集 Q/K/V”与“未收集 gate”之间的不对称，修复思路（同一套索引重排所有相关张量）可复用到其他类似 spec-decode 数据路径。建议关注：`spec_token_indx`/`non_spec_token_indx` 的语义、纯投机快速路径的保护，以及缺少回归测试这一后续改进点。

修复 XPU 上 FP8 SiLU 内核崩溃并启用对应测试

值得快速精读，作为平台抽象（`current_platform`）用法的范例："能力缺失时优雅回退而非断言失败"。对维护多后端（CUDA/ROCm/XPU）的团队有参考价值，尤其是 `has_device_capability()` 替换 `get_device_capability()+assert` 的写法值得在同类平台分支中推广。

大显存设备默认批处理 token 上限提升至 16384

值得快速浏览，改动量小但语义明确。核心看两点：一是按显存分档的默认值策略（高显存档位放开在线 server 的 token 预算），二是作者删除"镜像测试"的取舍——这类测试维护成本高且校验价值低，删除是合理决策，但建议后续为分档逻辑补充参数化测试。若你负责部署配置或调度性能调优，建议配合阅读 PR#51725 了解性能收益的前提条件。