vllm-project/vllm

修复 base.py 中过时的 docstring 声明

不值得精读。这是一个简单的文档一致性修复，可作为维护 docstring 与签名同步的小案例。关注点在于它避免了文档构建工具对错误参数声明的警告。

AMD Zen CPU 的 BF16 MoE 改走 zentorch 融合内核并带优雅回退

值得精读。核心看点：(1) 两级能力检测设计——config 级（`is_zentorch_moe_config_supported`）与 layer 级（`is_zentorch_moe_supported`）分别服务 `is_supported_config` 与权重加载阶段，职责清晰；(2) “跳过 prepack”所隐含的权重布局契约，是接入外部内核时最容易踩坑的点；(3) 从旧 `CPUFusedMOE` 移植到 `CPUUnquantizedExperts` 的 rebase 过程，展示了在模块化内核架构下如何平滑承接第三方路径。对计划在 vLLM 中集成厂商内核（oneDNN、ACL 等）的工程师是很好的参考模板。

XPU 镜像安装 xpu-manager，支持设备状态监控

值得精读的 infra PR，展示了在受限依赖环境下引入第三方包的方法：固定版本下载 + dpkg-deb 解包 + 临时 PPA 清理。建议关注两点：一是后续为 deb 增加校验和校验，并在 CI 或发布流程中加入 xpu-smi 冒烟测试；二是跟踪 dpkg-deb 绕过 postinst 带来的运行时配置缺失，必要时补充手工 udev 规则、权限与符号链接配置。

AMD CI 持久化 harmony vocab 缓存并放宽文件模式校验

值得快速阅读。重点看两个设计：一是用 `TIKTOKEN_RS_CACHE_DIR` 把第三方运行时缓存重定向到持久卷、并让容器内外路径保持一致的写法；二是 `core.fileMode=false` + git diff 退出码分段，区分内容差异与 git 执行失败，避免共享工作区文件模式漂移误杀 CI。对维护 AMD/ROCm CI 的同学尤其有价值。

修复 MLA prefill workspace 按 max_num_seqs 放大的显存回归

值得精读。该 PR 展示了 per-request 调度对内存分配契约的影响，是 #50613 与 #50484 拉锯后的最终回归修复，逻辑简单但涉及 MLA 核心路径。关注点：workspace 容量与调度器的契约如何随调度模型演进，以及 DCP 对齐计算的边界。

按逻辑页调度 MLA cache gather，raw copy 提速最高 331 倍

值得精读。这是典型的“调度粒度决定内存事务效率”的 kernel 优化案例：把 per-token 查找变成 per-page 任务，配合 __shared__ 任务广播、float4 向量化和 FP8→BF16 合并且写出，效果立竿见影；新增的 benchmark_cp_gather.py 也很适合作为内核性能复现工具。但要注意两点：一是自动化 review 指出的两处越界读与 int32 溢出问题在合入时没有可见修复，建议先确认是否已被后续 PR 修复或本地补上；二是本 PR 没有跑模型级 eval，合入主线前建议在 DeepSeek-V4/Kimi-K3 上做一轮长 prefill 的正确性与延迟回归。

修复 Cohere v2 停止序列终止原因映射

建议快速阅读本 PR。它提供了一个非常干净且典型的『外部协议枚举映射』修复案例，值得借鉴的是如何利用 vLLM 现有字段的语义（如 `stop_reason` 的类型信息）来消除歧义，并通过类型启发式而非引入新字段来最小化改动。同时该 PR 的测试设计（单测 + 非流式集成 + 流式集成）可以作为前端修复的参考规范。

用等价仿射变换替代 batch_norm，修复大图预处理 cuDNN 崩溃

值得精读。这是一个小而清晰的 bugfix 范例：识别出 `F.batch_norm` 在此场景属于“用错工具”——纯仿射映射被包装成 batch norm，无谓引入 cuDNN 派发路径与 CUDA grid 维度限制；替换为直接乘加后代码更简单、覆盖面更广。回归测试中 70000 patch 用例特意跨越旧上限，是锁定平台相关崩溃的良好示范。适合作为多模态预处理管线与算子选择权衡的阅读材料。