vllm-project/vllm

重构MXFP8量化线性核管理，引入模块化内核选择架构。

该PR值得精读，特别是init_mxfp8_linear_kernel中的内核选择逻辑和Mxfp8LinearKernel基类设计，展现了vLLM量化基础设施的模块化演进。关注点包括：如何平衡设计一致性与潜在风险（如compute_capability处理）、维度约束的未来解决方案，以及向后兼容性确保。

重构 requirements 目录结构，将构建和测试需求文件移至子目录以提升管理一致性。

该 PR 值得快速浏览以了解依赖管理的最佳实践，但无需深入代码细节。关注点包括： - 学习如何通过子目录结构化依赖文件来提升项目整洁度。 - 参考 `.pre-commit-config.yaml` 中统一设备处理的设计，特别是新增的 XPU 钩子如何标准化流程。

修复pre-commit工作流在PR被标记后不会重新触发的bug

该PR值得CI维护者精读，展示了GitHub Actions事件触发和条件过滤的精细控制。关注点：1. labeled事件类型的添加方式；2. if条件中逻辑运算符的使用，特别是对skipped状态的处理；3. 讨论中揭示的pre-run-check与pre-commit job之间的依赖关系设计。

为Gemma4模型添加Eagle3投机解码支持，提升推理性能。

建议精读此PR，特别是混合注意力对齐修复（vllm/v1/core/single_type_kv_cache_manager.py）和Pipeline Parallelism处理（vllm/model_executor/models/gemma4.py）部分；关注SupportsEagle3接口的实现方式，以及作者如何权衡新功能与已知问题（issue #36151），这反映了vLLM在投机解码扩展中的设计模式。

修复 FlashInfer attention 在使用 kv_cache_dtype_skip_layers 时因数据类型不匹配导致的崩溃问题。

该 PR 值得精读，展示了如何处理量化缓存中的逐层跳过逻辑和代码设计权衡。建议关注 FlashInferBackend 初始化中的数据类型决策，以及 review 中关于 use_trtllm_attention 依赖和未来改进的讨论。

为MultiConnector添加端到端边缘情况测试，验证输出正确性和Prometheus指标。

此PR值得精读，特别是对于关注测试策略、分布式系统验证和Prometheus监控的工程师。建议重点关注bash脚本的改进、指标聚合设计和测试场景覆盖，这些设计决策对于构建健壮的端到端测试具有参考价值。

为 NVIDIA RTX PRO 6000 Blackwell GPU 添加三个调优的 fused MoE Triton 内核配置文件，优化特定 MoE 形状的性能并消除警告。

对于从事内核调优、MoE 开发或性能优化的工程师，建议快速浏览以了解针对新 GPU 的配置添加模式和调优方法；对于一般开发者，变更机械简单，无需深入精读。

添加 logit_scale 参数到 PoolerConfig，支持仿射分数校准，扩展池化器功能。

建议工程师阅读此 PR 以理解池化器校准机制，特别是 `logit_bias` 和 `logit_scale` 的应用顺序。关注 `docs/models/pooling_models/classify.md` 的更新，了解使用示例。对于设计决策，注意 `logit_bias` 减法的历史和未来重命名计划。