vllm-project/vllm

优化 EP 模式下 Marlin MoE 的 M 维度估算

PR 逻辑清晰、改动精简，属于高质量的小范围性能优化。建议精读，尤其关注 M 值估算公式的设计思路，未来类似场景可复用此模式。

修正 BERT 模型的权重层别名映射

该 PR 展示了处理模型权重加载时的通用模式：通过 `WeightsMapper` 修正前缀并添加 `params_dict` 不在时的跳过逻辑。值得模型加载相关开发者阅读；`deep_gemm_warmup.py` 的修复也对跨平台兼容性有参考价值。

修复 cargo-deny 0.20 CLI 参数顺序

简单必要的 CI 修复，无需精读，但可作为处理上游工具 CLI 变更的示例。

回滚导致 CI 失败的 CUDA graph 预热变更

该 PR 是紧急修复 CI 失败的临时措施，值得关注其后续可能的重新实现或替代方案。对于 AMD CI 稳定性有直接改善。

提升 extract_hidden_states_tp2 测试超时

建议合并。此 PR 是轻量级的 CI 稳定性修复，无副作用。但建议团队关注 Transformers 升级后测试时间增加的根本原因，避免未来类似问题。

修复 ROCm sparse MLA 元数据同步竞态条件

该 PR 值得精读。它展示了一个典型的 CUDA graph replay 下异步操作同步问题的修复模式：在 graph-captured kernel 依赖的异步写入后插入 synchronize。测试用例的设计（使用 mock 验证调用顺序）也是良好实践，适合作为异步同步单元测试的参考。

MC 前缀查找中延迟 SWA 掩码检查，节省 59% key 构建时间

值得精读，尤其是对分布式前缀缓存和 MoE 稀疏注意力场景感兴趣的同学。该 PR 展示了 profiling 驱动的微观优化思路：在 hot path 上消除每个被掩码 chunk 的不必要分配，实测收益显著。新增测试的设计（用 RecordingBlockHashes 记录访问索引）也是一个可复用的测试模式。

ROCm sparse MLA 启用 UNIFORM_BATCH CG 模式

值得精读，特别是理解 CUDA Graph 模式选择对多 token 预测性能的影响，以及如何通过简单配置对齐不同后端的行为。对于关注 ROCm 性能优化的开发者有借鉴意义。