vllm-project/vllm

允许AITER MLA注意力后端与Eagle3推测解码在ROCm上协同工作，提升吞吐量。

此PR值得精读，尤其对于关注注意力后端优化和推测解码集成的工程师。重点可关注：1) 如何通过`MultipleOf(1)`灵活声明支持块大小；2) 索引扩展内核的设计，在保持向后兼容的同时支持新功能；3) 状态管理从实例属性移至元数据对象的决策，以避免并发风险。

添加异步EPLB端到端集成测试到CI，验证Qwen3-30B模型的准确性。

该PR主要面向测试工程师和EPLB开发者，展示了如何配置和运行端到端集成测试。建议关注测试脚本中的EPLB参数设置（如`window_size`和`step_interval`），以理解异步行为验证方式。

将 MXFP8 在线量化逻辑迁移至新的在线量化前端，保持 API 不变。

建议量化模块开发者精读此 PR，了解如何将自定义量化方案集成到在线量化前端。重点关注类继承设计（如从 `_Fp8OnlineLinearBase` 派生）和配置枚举扩展方式，以指导未来类似迁移工作。

修复 CPU 资源探测中因离线核心导致 JSON 解析失败的问题。

该 PR 是一个典型的边界条件 bugfix，变更简洁明了，适合快速浏览以理解问题根因和修复方案。值得关注的设计决策是选择在命令层面过滤离线 CPU（使用 `--online`），而非在代码层面增强 JSON 清洗逻辑，这体现了“在源头解决问题”的简洁性原则。对于涉及 CPU 资源管理或跨平台兼容性的开发者，建议阅读 `_get_cpu_list` 函数的完整实现，以了解其在整个资源初始化链条中的作用。

为 Anthropic 协议添加 chat_template_kwargs 字段，支持向聊天模板传递自定义参数。

该 PR 值得前端工程师和协议维护者精读，因为它展示了如何优雅地扩展 Anthropic 协议以支持自定义模板参数，设计决策简单有效，可作为类似功能扩展的参考。

移除 Triton 注意力测试中的 CUDA 硬编码，支持 XPU 等异构硬件平台。

该 PR 展示了如何将硬编码的设备依赖重构为平台无关的测试模式，值得测试开发人员参考。虽然变更简单，但其中关于 `torch.set_default_device` 可能引起测试污染的讨论具有普遍警示意义。建议关注后续是否会有 PR 采纳 reviewer 的建议改用上下文管理器。

统一KV传输拓扑类，重构NIXL连接器核心逻辑。

建议精读`TransferTopology`类的实现，关注其如何统一本地和远程拓扑信息，以及`register_remote_engine`方法如何简化状态注册。对于涉及KV传输的开发者，此PR提供了重要的设计模式参考。

添加基于 NIXL 的 EPLB 通信器，作为避免 NCCL 挂起的替代方案。

该 PR 值得精读，特别是 `NixlEplbCommunicator` 的实现，展示了如何集成第三方 RDMA 通信库到 vLLM 的 EPLB 框架。关注缓冲区管理策略（如仅使用第一层权重）和同步机制（全局屏障）的设计权衡，以及 review 中关于性能优化和容错性的讨论。