vllm-project/vllm

修复 TopK=1024 时 persistent_topk 协作死锁

值得精读，尤其是 CUDA 协作栅栏死锁的调试思路（occupancy 查询、headroom、fallback）。代码注释清晰，适合作为 CUDA kernel 并发安全设计的参考。

重构 KV Offloading，统一核心抽象到 base.py

该 PR 是模块重构的典型范例，值得精读以学习如何系统性地合并抽象、处理循环依赖和组织测试。重点关注 `base.py` 的抽象设计以及 `cpu/spec.py` 中延迟导入的解决方案。

修复 KV 块 admission cap 误用于逐 step 分配

值得精读，尤其关注 admission gate 与 per-step prediction 的差异设计；新增测试可作为类似回归的参考。

为所有 test_areas 管道步骤添加唯一 key 字段

该 PR 是纯粹的 CI 基础设施改进，变更机械但价值明确。推荐的阅读重点是：1）key 的派生规则（label→kebab-case）；2）对并行步骤 key 唯一性问题的讨论，可能需要在后续 PR 中修复。建议 CI 维护者跟进并行步骤的 key 索引问题。

修复 GPT-OSS 专家负载方法签名不匹配

建议合并。该 PR 修复了致命的启动崩溃，改动小而精确。值得关注的是 `expert_map` 参数改为从 `layer` 属性获取这一设计决策，减少了接口参数数量，提升了可维护性。

修复 DP 测试因关机逻辑导致的延时问题

值得关注的设计点是“将单次阻塞操作拆解为并行阶段 + 统一等待”的模式，可复用于其他资源清理场景。同时建议后续跟进修复评论中提到的 baseline 选择小概率 bug。

用 `cvt` PTX 指令替换 Triton 实现，优化 FP4 量化并修正舍入错误

值得精读。该 PR 展示了如何利用硬件 PTX 指令简化数值密集操作并提升正确性，同时配套了严格的 bit-exact 测试确保替换的正确性。对于其他量化算子的优化有参考价值。

修复MLA索引器CUDA IMA崩溃

建议精读该PR以理解DP + CUDAGraph虚拟批次交互导致的边界条件问题，类似模式可能在其他注意力后端中出现。修复方案值得参考：当多个缓冲区大小依赖不同维度时，取最大值是简单有效的防御措施。