vllm-project/vllm

ViT DP 自动回退，TP 不可用时默认数据并行

值得合并。这是一个简洁而实用的改进，提升了多模态模型的易用性。建议后续为其他多模态模型（如 Qwen-VL, LLaVA）也应用类似逻辑，将自动回退机制推广到整个 codebase。

使用 vllm_runner 确保 GPU 内存正确释放

建议合并。该 PR 是典型的 CI 稳定性修复，逻辑清晰风险低，值得学习使用上下文管理器管理引擎生命周期的模式。

修复 Qwen 视频 max_pixels 被丢弃的问题

该 PR 值得精读，尤其适用于理解 vLLM 多模态处理器的 `mm_kwargs` 传递与 HF 处理器之间的适配层机制。其设计决策——在 `_call_hf_processor` 内部通过 `ctx.get_merged_mm_kwargs` 统一读取引擎保存的配置，而非修改外部过滤逻辑——值得作为类似问题的修复模式参考。

填充 Messages API 的缓存创建 token 数

推荐精读 `KVCacheManager.estimate_cached_tokens` 和 `PrefillStats.finalize` 的设计，它们展示了如何在避免昂贵全量匹配的前提下近似估计缓存创建 token 数。另外，`scheduler.py` 中 `prefill_stats` 获取时机的选择（在块释放前）值得注意，体现了对资源生命周期的精细管理。

Cap sparse MLA decode KV-splits with heuristic on ROCm

该 PR 值得阅读，展示了如何通过简单的启发式避免 kernel 过度分割，提升性能。设计思路清晰，实现简洁，适合作为类似性能优化的参考。

迁移三个 entrypoints 测试到 H200 MIG 队列

建议合并。变更简单、经过验证，属于常规 CI 基础设施优化。可以快速通过，无需深入 code review。

升级 tml-fa4 版本以兼容 cutlass-dsl 4.6

建议合并。此 PR 是必要的依赖升级，属于常规维护。无需深入 code review，但可关注 inkling 相关测试是否通过。

提取公共权重处理函数，批量移除 44 个模型的 load_weights

此 PR 是一次高质量的重构，值得深入阅读以理解如何通过 `WeightsMapper` 和 `AutoWeightsLoader` 标准化权重加载流程。建议在 Review 时重点关注：1. 各模型的 `hf_to_vllm_mapper` 定义是否完整覆盖所有参数重命名；2. 保留的自定义回调（如 `_slice_sink`）是否正确处理了特殊逻辑；3. 是否有遗漏的模型文件未改造。