vllm-project/vllm

拆分规格解码 E2E 测试,CI 改目录作用域并修 DSpark 量化

值得精读。这是"目录即 CI 契约"的完整落地范例，对测试组织、CI 配置和源码 bug 联动修复都有参考价值。重点看三点：spec_decode.yaml 的目录作用域写法、utils.py 中 compute_acceptance_rate/compute_acceptance_len 的增量统计设计（支持逐 prompt 评估取平均）、以及 dspark/utils.py 里 quant_config 覆写与 #49133 的关联。若团队也在治理巨型 E2E 测试文件，本 PR 的拆分顺序和 follow-up 边界控制值得借鉴。

Helion 基准脚本新增逐 shape 数值检查

值得精读。核心设计决策值得借鉴：正确性与计时输入隔离（`copy.deepcopy`）、数值参考与性能基线解耦（`make_correctness_baseline`）、pytree 级容差比较与 FP8 one-ULP 特判、以及对上游包名漂移的容错导入。这些模式可直接复用到其他 kernel 基准脚本与 CI 正确性门禁；若团队推广内核数值门禁，可参考 `check_kernel_correctness` 的逐 case 结果收集设计。

ModelOpt FP8 最低算力降至 SM80，A100 可加载并走仿真

该 PR 代码量极小（单行改动），但值得快速阅读其 PR body 中的实测对比，以理解 vLLM 在非原生 FP8 硬件上的仿真路径取舍与性能/精度权衡。对于量化模块维护者，建议关注后续是否补充针对 `get_min_capability` 的单元测试，避免类似 capability 调整回归。若需要借鉴‘放宽硬件门槛以复用仿真路径’的模式，本 PR 是一个简洁的案例。

合并 WNA16 Marlin 与通用 MoE 量化方法，删除冗余实现

值得精读。该 PR 展示了如何用 oracle 模式收敛多个量化方法类，并处理了 Marlin tile padding、w2 scale 的 TP 分片等细节。review 中关于 group_size 显式传递的讨论是很好的设计教训；建议关注后续是否补充 dispatcher 层单测。

修复 HTTP 服务器启动与信号处理器注册的竞态问题

该 PR 值得精读，因为它展示了异步启动中信号处理器注册的时序问题，以及如何通过轮询等待和任务状态检查来避免竞态。重点关注 `while` 循环的设计与启动失败时的异常传播，这是同类问题中的典型解法。对于维护者，建议后续补充针对启动失败场景的测试，并关注 njhill 提到的潜在 follow-up 改进。

精简启动日志噪音，统一 info_once/debug 分级

值得快速浏览以了解 vLLM logger 的 once 语义（`info_once`/`warning_once`/`debug_once`）及其对参数可哈希的要求；该 PR 可作为后续日志降噪类变更的模板。无需逐文件精读，重点看 `cutedsl_warmup.py` 与 `flashinfer_all_reduce.py` 的注释示例即可掌握模式。

新增双 API 渲染一致性测试并修复工具渲染差异

值得精读，重点是 test_render_parity.py 的捕获-对比测试设计：它没有 mock 掉整个预处理链路，只在 HF 渲染边界安装桩，保留了两条 API 各自预处理逻辑的真实性，这种"边界打桩"思路对其他跨 API 一致性测试有借鉴价值。也值得关注两个序列化器的白名单过滤与 construct_tool_dicts 的参数化设计。对后续要扩展 Responses API 能力的开发者，这套测试应作为默认配套。

修复 ROCm ViT 内核检测，恢复 Triton-AMD 快速路径

值得精读，特别是其中对 find_spec 子模块自动导入父包这一 Python 行为细节的处理，以及"外部包内核迁移时期如何保持向后兼容检测"的通用思路。ROCm 多模态用户建议直接合入；维护者可关注讨论中 tjtanaa 提出的将 AITER 内核直接集成进 vLLM 的长期方向，并在 aiter 包装问题修复后补一份自动选择 FLASH_ATTN 的端到端验证。