vllm-project/vllm

更新 ViT CUDA 图文档，同步代码变更

此 PR 是纯粹的文档同步更新，对大多数工程师无需精读。但若您正在使用或开发 ViT CUDA 图系统，建议查看此文档以了解最新的 API 和流程。

修复 HF chat template 渲染的数字精度和字段影子问题

本 PR 值得精读，尤其关注以下要点：（1）如何在不修改 MiniJinja 核心的前提下，通过自定义 Object 和 pycompat 后门解决字段与方法冲突的设计模式；（2）全局 `serde_json` 特性调整时的依赖影响评估思路；（3）测试用例设计中对渲染精度妥协的明确标注。对于同样使用 MiniJinja 渲染 HF 模板的其他项目，此方案具有直接参考价值。

Rust 前端新增动态 LoRA 管理端点

该 PR 安全设计充分，并发控制合理，值得团队精读。建议后续补充 CI 中端到端测试，并关注路径验证的 TOCTOU 缓解。

Rust 服务端新增路由器扩展钩子

值得阅读以了解 Rust 前端 API 的演进方向。该 PR 展示了如何以最小侵入的方式添加扩展点，设计决策（不暴露内部状态、闭包组合）值得借鉴。

移除 HMA 模型在 Tiering Offload 中的限制

该 PR 本身改动极小（仅删除一行），但具有较大的功能影响。建议开发者和测试人员关注新增的兼容模型列表，并对 PR body 中列出的失败模型进行进一步调查。作为“解除封锁”类变更，值得快速合并，但后续应跟进失败模型的 root cause。

为H200和RTX PRO 6000 Blackwell添加调优SSM内核配置

建议合并。变更安全且性能收益明确，可立即改善相关GPU用户的使用体验。后续可关注Triton版本升级后的配置有效性。

分层缓存加速 ROCm Docker 构建

建议 CI 和基础设施团队精读，重点关注构建缓存分层策略、ccache vs sccache 选择、artifact 模式设计。对于仅关注算法和模型的开发者可略过。

启用 ROCm 的 per-token-group 量化内核

值得精读，特别是 `cmake/hipify.py` 的路径处理改进和内核的 warp 适配。设计上使用 `is_cuda_alike` 统一平台检查的做法值得借鉴。但建议在 MI300X 等目标 GPU 上进行充分的回归测试和精度对比。