vllm-project/vllm

修复 Ray 指标标签分区共享 Bug

**值得精读**。该 PR 以极小改动揭示了使用可变共享状态封装库 API 的典型陷阱，并提供了干净的解耦模式（浅拷贝 + 独立标签字典）。对理解 Prometheus 客户端标签语义、以及如何在不可变标签框架下包装 Ray metric API 具有参考价值。推荐所有涉及指标开发的人员阅读。

升级 ROCm Dockerfile 中 UCX 和 RIXL 版本

值得合并，修复 CI 问题。可直接合入。

传递 reasoning parser kwargs 至结构化输出引擎

该 PR 值得精读，特别是 `_get_reasoner` 方法和 request-scoped 设计的引入过程。讨论中 chaunceyjiang 对 DeepSeek 与 Qwen3 设计差异的分析具有参考价值。建议关注 gemini-code-assist 指出的类型注解问题，并在后续提交中修复。

FlashInfer FP8 GEMM AsyncTP 融合，提升 B200 性能

值得精读。该 PR 展示了如何在 `torch.compile` 框架下通过模式匹配实现计算-通信融合，并充分利用 PyTorch 的 SymmetricMemory 原语。设计决策（如使用 `VllmPatternReplacement`、避免多余抽象层）具有良好的可扩展性，可为未来类似优化提供参考。

FlashInfer 后端添加 NVFP4 KV cache 端到端支持

值得精读，尤其对于关注 NVIDIA Blackwell 量化和 FlashInfer 集成的研究者。注意 PR 中的 NVFP4 输出处理（FP8 缓冲区和反量化）是关键的权衡设计；文档生成脚本的修改也值得借鉴。需关注后续精度报告的补充。

OffloadingConnector 调度器支持滑动窗口和 Mamba KV 缓存组

建议有相关背景的开发者精读本 PR，重点关注滑动窗口块的生命周期设计、`_touch` 的 LRU 更新策略，以及 `_remove_pending_job` 的安全性讨论。非直接涉及 KV offload 的成员可略读了解架构演化。

为 TRT-LLM NvFP4 MoE 启用 GELU 激活，支持 Gemma4

值得精读，尤其是 `_supports_activation` 集中管理激活列表的设计模式，以及 kernel 测试中如何校准 NvFP4 精度误差。同时展示了通过 Python 层启用 GPU 内核功能的低风险思路。

禁用 SM110 的 FlashInfer CUTLASS MoE 回退到 Triton

这是一个简单而正确的临时修复，值得精读。关注点：`_supports_current_device()` 的设计模式——通过白名单控制硬件特性选择；以及关联 PR #36286 引入的 oracle 流程如何自动暴露此前隐藏的兼容性问题。团队应跟踪上游 FlashInfer 是否发布 SM110 cubin 以移除此限制。