vllm-project/vllm

迁移响应 API 流式逻辑到统一解析器，简化代码结构。

建议精读此 PR，了解统一解析器的设计思路和 StreamState 状态管理机制，同时关注 review 中提到的工具参数缺失和覆盖问题，以便在后续开发中注意相关风险。

修复 Qwen3 工具解析器对 Responses API 工具的支持，确保参数类型正确解析。

该 PR 值得精读，因为它展示了如何通过共享工具函数解决 API 兼容性问题，并涉及规范遵循与灵活性的权衡。建议关注 `find_tool_properties` 的设计决策、测试覆盖的讨论以及工具解析模块的统一化趋势。

为 Phi-4-reasoning-vision 模型添加文档支持和离线推理示例。

该 PR 主要涉及文档和示例，对于想了解 vLLM 多模态模型支持范围的工程师值得快速浏览。关注点在于示例中的 `max_model_len` 参数设置是否合理，以及未来类似示例是否需要统一调整。

升级 PyTorch 及相关依赖至 2.11 版本，涉及全平台构建和 CI 配置。

建议技术管理者和工程师精读此 PR，以理解大规模依赖升级的最佳实践，特别是多平台协调和风险缓解策略。关注 Docker 镜像变更和测试跳过决策，这些是权衡兼容性与新特性的关键点。

将推理解析器测试添加到CI流水线，并暂时忽略已知失败测试。

这是一个简单的CI变更，无需精读代码。值得关注的是讨论中关于pytest路径和工作目录的决策（反映CI环境细节），以及优先合并以保护通过测试的策略（平衡及时保护与问题延迟处理）。

澄清CpuPlatform类注释中SMT和OMP缩写的含义，提升代码可读性。

该PR变更简单，无需精读。对于关注CPU平台实现或文档规范的开发者，可以关注review中关于架构枚举完整性的讨论，这体现了在文档中避免硬编码具体值的良好实践。

融合概率性拒绝采样内核，优化内存分配并消除softmax，提升推测解码性能。

建议核心工程师精读`probabilistic_rejection_sampler_utils.py`中的Triton内核实现，关注`_compute_block_max_and_sumexp`和`_probabilistic_rejection_kernel`的设计，以学习内核融合和数值稳定性优化技巧；同时，查看测试文件中的卡方检验方法，了解如何验证采样分布正确性。

新增 XPU 后端对 MXFP8 量化的支持，为 Intel GPU 提供 FP8 量化路径。

该 PR 值得精读，特别是关注量化操作的平台调度设计和 fake 实现的兼容性修复。对从事跨平台量化开发或后端扩展的工程师有参考价值，可学习自定义操作集成和 review 中的设计权衡。