vllm-project/vllm

懒加载 mistral_common 包，避免非 Mistral 场景下的过早导入

值得精读，展示了如何通过 `LazyLoader` + 类属性标记实现条件懒加载，避免大型依赖包过早导入。设计模式清晰，可作团队内部最佳实践参考。

修正 README 中 vLLM 和 Hugging Face 的大小写

可直接合并。此 PR 为清洁的文档修正，无技术含量，但体现了对细节的关注，适合快速合入。

修复预填充预热批次被误分类为解码批次的问题

值得精读。虽然变更代码量很小（+9/-6），但修复了一个仅在特定条件下触发的关键路径误分类问题，体现了对MRV2架构细节的深入理解。推荐关注设计决策：通过增加预热prompt长度来确保查询长度差异，这是一种简洁且非侵入式的修复方案。

替换 tokenizer.encode/decode 为 vocab 查找修复并发借用

值得精读。展示了如何通过消除共享可变状态而非加锁来解决并发问题，方法简洁高效。关注的重点：利用 tokenizer 内部已缓存的 vocabl（线程安全）替代 encode 调用，这是典型的“移走而非保护”策略。

curl 下载添加重试机制提升脚本可靠性

简单但有效的可靠性改进，值得合入。可关注 CI 日志确认重试是否成功。

修复Qwen3.5推理中工具调用被隐式丢弃的问题

该PR修复了真实用户场景中的工具调用丢失问题，代码实现清晰、测试充分，建议合并。设计上值得关注的是：通过反向遍历序列并排除配对标记，巧妙区分了模型输出与提示模板中的相同标记。

统一 V1 和 V2 合成拒绝采样接受率配置

建议仔细阅读 `vllm/config/speculative.py` 中的配置解析和校验逻辑（最小方差调度设计简洁），以及 Triton kernel 的改动。对于自行实现推测解码的开发者，`unconditional_to_conditional_rates` 转换函数值得复用。PR 整体设计合理，测试覆盖完整，应批准合并。

避免 GPU→CPU 同步，引入 seq_lens_cpu_upper_bound

此 PR 值得精读，尤其是从事 speculative decoding 或 attention 后端开发的工程师。设计决策：用 CPU 计算的上界替代 GPU 张量访问，是一种典型的异步优化模式。建议关注 eagle.py 中减法操作的实现，确认其无同步。