vllm-project/vllm

修复 CUDA release wheel 构建中的 NCCL 依赖与 BF16 编译失败

此 PR 是典型的构建修复，值得略读以了解 CUDA 构建兼容性处理方式。Kimi K3 相关开发者需注意 SM 守卫逻辑，避免后续添加新功能时遗漏类似条件。

修复 Humming MoE 输出地址错误

建议精读。该 PR 是一个典型的边界条件 bugfix，揭示了 MoE 输出缓冲区别名机制与内核实现之间的契约不匹配问题。对于维护 MoE 内核或输出 buffer 管理的开发者有参考价值。

移除冗余 torch.full 内核调用，提升 1.88x

建议精读该 PR。它展示了在 CUDA kernel 层面消除冗余启动的典型模式：通过预留工作空间和 out 参数复用缓冲区。设计决策（如 round_up 对齐、warmup 阶段的 workspace 预留）值得学习。

消除 DeepSeek V4 PP 末尾冗余的 MTP buffer 分配与拷贝

该 PR 值得直接合入，改动清晰且已审核通过。建议关注的是其与历史 PR #50298（移除冗余 torch.full 内核调用）构成的 DeepSeek V4 性能优化系列，展示了在 kernel 层面和内存管理层面减少不必要操作的思路。

XPU CI 跳过 Kimi-K3 测试

该 PR 是简单的 CI 修复，值得快速合并以恢复 XPU CI 稳定性。但建议关联一个 issue 来跟踪未来对 Kimi-K3 的 XPU 支持，以便及时移除该排除项。

修复 FlexAttention 编码器块掩码编译爆炸

该 PR 解决了实际的编译性能问题，改动简洁且附带完善的测试覆盖。虽然 FlexAttention 未来可能被废弃，但在当前阶段合并此 PR 是值得的，特别是对使用 AMD GPU 进行编码器推理的用户。建议在合并后关注是否有用户报告编码器注意力下的精度问题。

迁移 IPC 权重传输至有状态 Trainer 引擎

值得精读，尤其关注如何将分散的静态 API 重构为有状态引擎 + 工厂模式，以及如何在 init info 中编码 backend 选择。`__init_subclass__` 强制子类声明 backend 的设计值得借鉴。review 中发现的 merge handles 发送者问题应作为后续修复的重点。

融合残差加法与 RMSNorm 提升推理吞吐

值得精读，特别是 `AddRMSNormPattern` 和 `RMSNormReshapePattern` 的实现展示了 vLLM 编译模式匹配和内核融合的典型模式，对于希望扩展编译管道或理解优化 pipeline 的开发者是很好的参考。