vllm-project/vllm

修复 UniformTypeKVCacheSpecs 下 CPU 块数计算错误，避免 CPU 卸载池大小不足。

该 PR 值得精读，尤其是对于从事 KV 卸载模块开发的工程师。关注点： 1. **设计决策**：从基于页面大小的假设性计算转向基于实际张量大小的通用计算，体现了对缓存规格抽象的理解。 2. **防护机制**：添加 `num_blocks > 0` 检查，提升了代码健壮性。 3. **测试缺口**：review 中提到的测试缺失是值得注意的后续改进点。

将 Marlin 内核加入 FP8 块缩放矩阵乘内核选择列表，修复 A100 等设备上 FP8 模型加载失败问题。

该 PR 值得精读，特别是内核选择逻辑的调整和 `issubclass` 检查的使用，展示了在量化内核调度中处理异构内核接口的常见模式。关注 `init_fp8_linear_kernel` 函数中条件分支的设计，以及类型注解的更新如何反映内核类型的演进。

将 observability 相关示例文件从旧目录移动到新的 observability 目录下，重组示例结构。

该 PR 主要是目录重组，不值得深入阅读代码逻辑；但对于理解项目示例组织策略和文档更新有参考价值。

修改新PR机器人触发条件，从检查作者PR数改为检查合并PR数。

该PR变更简单，适合快速浏览以了解CI/CD流程的优化思路。值得关注的设计决策是使用“是否有合并PR”而非“PR数量”作为首次贡献的判断标准，这更符合开源项目的实际场景（如AI代理、草稿PR）。无需深入阅读代码细节。

添加Gemma 4模型到支持模型列表文档。

建议快速浏览以确保文档准确性，特别是模态支持注释部分，对使用Gemma 4多模态功能的用户有直接价值；无需深入代码分析。

为IOProcessorRequest添加to_pooling_params方法以修复插件测试失败。

该PR是一个小型但关键的修复，值得快速浏览以理解插件请求的接口一致性。关注点在于`IOProcessorRequest`如何通过`to_pooling_params`方法集成到池化参数转换流程中，这反映了vLLM中请求协议设计的模块化思路。

延迟导入benchmark子命令和绘图库，减少CLI启动时间约2秒。

该PR值得精读，尤其对于关注Python启动性能优化和模块化设计的工程师。关键设计决策包括：延迟导入策略、健壮的命令行参数检测、以及环境变量替代硬编码配置，这些技巧可广泛应用于其他CLI工具优化。

通过ruff格式化修复测试文件，使pre-commit CI通过。

该PR值得快速浏览，以了解如何通过ruff格式化解决CI问题；关注点在于代码风格一致性和CI流水线维护，无复杂设计决策。