vllm-project/vllm

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。

禁用 DeepSeek 注意力投影的动态 MXFP4 量化并启用 AITER 调优 BF16 GEMM

建议阅读 Review 中的讨论，特别是关于避免添加环境变量的决策过程和性能基准的论证。该 PR 展示了如何通过实测数据驱动默认值变更，并保持灵活性。ROCm 相关开发者可关注 `is_tgemm_enabled` 的实现，以便类似场景复用。

修复 CUDAGraph 捕获时 gc.collect 参数不匹配

建议立刻合入。该 PR 修复了一个明确的崩溃问题，修改极小且安全。对于使用嵌套 torch.compile 的模型（如 GB200 节点上的场景）至关重要。

新增 MNNVL AllToAll 分布式测试套件

对于关心分布式通信和 CI 基础设施的工程师，值得精读测试框架设计，尤其是多进程环境管理和错误传播模式。对于主要关注模型推理逻辑的开发者，可快速浏览了解覆盖范围即可。

两阶段暂停协议修复 DP 引擎死锁

值得精读的设计案例：如何在不增加同步开销的前提下利用现有 all-reduce 实现全局共识。建议关注两阶段协议的模式以及 `_pause_complete` 多态覆盖的设计。未来可考虑在 `pending_pause` 时触发即时 all-reduce 以降低暂停延迟。