vllm-project/vllm

在 OpenAI 端点暴露 logprob_token_ids 支持

值得精读，尤其是协议层字段添加、验证器编写和采样参数传递的模式。这是 vLLM 前端扩展规范化的良好示例。

添加 BertForMaskedLM 模型支持

该 PR 实现清晰，适合作为新模型集成的模板。权重映射和命名处理的细节值得关注。建议阅读 bert.py 中的 BertForMaskedLM 类实现和对应的测试。

修复 Qwen3-VL MoE 缺少 model_config 属性

该 PR 虽然改动极小，但解决了编码器 CUDA Graph 场景下的崩溃问题，建议合并。值得关注的是一行修复背后涉及的继承设计问题：MoE 子类跳过了父类 init，未来若父类新增初始化逻辑，可能再次遗漏。

Mamba/SWA 共享前缀缓存保留优化

值得精读。PR 展示了如何在不改变上层接口的情况下，通过扩展内部数据结构（Request.shared_prefix_boundary）和统一分块停止条件，将 Marconi 缓存与稀疏 retention 策略优雅融合。`_mamba_block_aligned_split` 的重写是理解 vLLM 调度器核心逻辑的绝佳范例。建议关注 Mooncake 连接器的后续统一适配以及跨组共享前缀边界的精确性校验。

为 Qwen Eagle3 添加滑动窗口注意力支持

建议精读，这是一个清晰的特性扩展示例：通过配置驱动的 per-layer 滑动窗口支持，展示了如何在不破坏现有架构的前提下，为投机解码模型添加新能力。值得关注的是参数传递路径：从 Eagle3 特定层 → 通用 DecoderLayer → Attention 层。

为 TokenSpeed MLA 后端添加 DCP 与 Eagle 支持

建议有 Blackwell 后端开发需求的团队精读。PR 展示了 DCP 与投机解码在 MLA 后端上的集成方案，特别是 FlashInfer 后端的兼容性设计决策（XQA 回退、supports_dcp_with_varlen 控制）。Review 中的讨论对理解 DCP 下 causal mask 的正确性很有价值。测试用例是良好的合约验证示例。

跳过 ROCm 失败测试

该 PR 仅用于临时解除 CI 阻塞，不值得精读。但关联的 Issue #48510 和修复 PR #48179 值得关注，因为它们涉及 ROCm 上 Workspace 增长分配的深层问题。

修复推理-工具边界缓冲丢失问题

建议前端及解析器模块的开发者阅读此 PR，学习流式转换中 flush 设计的选择，以及如何通过真实解析器组合编写可靠的回归测试。修复方法本身简洁且安全，值得在类似跨引擎边界中推广。