vllm-project/vllm

改进 InstantTensor 加载：显示吞吐量并移除冗余克隆

建议合并。该 PR 是轻量级改进，提升了 InstantTensor 加载器的可用性和可观测性，同时简化了代码。值得关注的设计决策是使用 `copy=True` 来让底层库管理内存所有权，这避免了 vLLM 侧的冗余拷贝，是一个良好的协作模式。

修复DP-rank路由别名及高并发代理加固

推荐阅读者关注`flat_interleaved_dp_route`的设计——使用单一槽位索引解决多实例路由别名问题，该模式可推广至其他需要均匀分配的场景。高并发serve加固示例展示了从Quart切换到Hypercorn的实践经验。

支持按 KV 缓存组分别选择注意力后端

值得精读。此 PR 展示了如何在已有配置框架上以最小侵入性扩展新功能：通过 Pydantic 验证器解析配置、复用枚举类型、在核心选择路径插入查找逻辑。设计思路对类似组件级配置（如不同 MoE 专家使用不同 kernel）有参考价值。

修复GLM4V虚拟视频帧搜索与内存占用过高

建议详细阅读，该PR展示了如何诊断并修复因非单调token曲线导致的错误，以及通过有限扫描（而非二分）选择最优帧的设计模式。核心经验：当领域知识表明曲线非线性时，避免假设单调性，采用穷举可行范围并取最优的策略。

优化 gfx950 稀疏解码 reduce 算子 occupancy

该 PR 是一个针对特定 GPU 架构（gfx950）的轻量级性能优化，改动量小（仅 4 行）、风险可控、收益明确。建议关注后续 PR #46275 合并时对该 reduce 几何形状在 gfx942 上的验证。值得学习的是如何通过调整 workgroup 粒度来提升 GPU occupancy 的优化思路。

修复三个 tool parser 中参数值前后空白被错误剔除的问题

建议精读本 PR，了解对不同格式的空白处理策略（内联直接保留、模板换外层裁剪、CDATA 条件 strip）以及流式安全分析。对于维护其他 tool parser 的工程师，应遵循空白保留的原则。

删除 DeepSeek 编码器中的死代码与冗余预热逻辑

值得作为清理死代码的范例。建议开发者定期进行类似扫描以保持代码库健康。对于技术管理者，可关注后续是否有关于 DeepSeek 编码器重构的统一计划。

修复 MoE 模型 SP 开启导致的内存回归

该 PR 为重要 bugfix，建议合并。变更简单、分析充分、有明确测试结果支撑。