vllm-project/vllm

视频哈希优先使用压缩源字节，大幅减少解码开销

此 PR 值得精读，尤其适合关注多模态缓存、性能优化以及类型安全设计的读者。实现中的一个亮点是“比较大小选择最小哈希输入”的通用思路，可复用到其他场景。Review 中关于碰撞风险和类型精度的讨论也提供了很好的工程实践参考。建议合并后密切监控视频哈希相关的缓存行为和内存指标。

跳过无操作时的 FP32 logits 物化

值得精读：展示了通过低开销的 CPU 端批量检查来避免 GPU 端多余数据搬运的通用优化模式。PR 实现简洁，对理解 MRV2 采样器架构和后端性能优化有参考价值。

修复 Jina rerank/score 在线路径 truncate_prompt_tokens 字段丢失

该 PR 是典型的回归修复案例，值得阅读以理解代理模式下的字段透传陷阱。讨论了 `_truncate_scoring_data` 与 `truncate_prompt_tokens` 的职责分离，对理解 vLLM 的提示处理管线有参考价值。

移除 DiffusionGemma 的 SupportsPP 接口，启动时拒绝 PP

值得参考：展示了通过移除接口声明来避免运行时错误的设计模式，比运行时检查更简洁。

调优 LL BF16 Router GEMM 分发启发式用于 DeepSeek/GLM 关键模型

值得精读，尤其是对 GPU GEMM 调优感兴趣的工程师。PR 展示了如何结合端到端测量和架构感知配置来优化内核分发，以及如何用动态形状推导替代静态枚举以增强模型兼容性。未来可基于此构建自动调优器。

修复内部DP负载均衡统计发布遗漏与评分优化

值得精读，特别是 Python 与 Rust 端 LB 策略的权衡、KV 缓存压力感知评分的实现细节。对于理解 vLLM DP 架构和负载均衡设计有参考价值。

为 Qwen3.5 启用 EVS 视频采样优化

值得合并，因为变更范围小，有明确的基准测试验证，且经过充分讨论。建议在未来 PR 中为 Qwen3.5 的 EVS 添加专门的集成测试，确保父类 EVS 逻辑变更时不会破坏功能。

减少 Triton 内核因 constexpr 导致的重复编译

值得精读，可作为消除 Triton 重编译问题的典型范例。其简洁性（仅修改一行）和清晰的性能收益展示了如何识别并修复 `tl.constexpr` 误用。推荐关注同系列 PR #48734 和 #48736，它们修复了 #48650 中的其他实例。