vllm-project/vllm

统一注意力中传递None优化Triton寄存器

值得精读，展示了如何通过调整Triton kernel参数传递方式优化寄存器使用，是性能调优的典型示例。

AMD CI 测试添加 TTY 参数以支持彩色日志

该 PR 属于纯基础设施改进，无需精读。但可作为 CI 配置标准化的参考。

修复 run_batch 下载媒体URL时不遵守代理环境变量

建议阅读 run_batch.py 中的 download_bytes_from_url 函数变更，了解 vLLM 如何通过全局 HTTP 连接统一管理代理配置、超时与重试。此 PR 展示了从零散 aiohttp 客户端到集中连接管理的小型重构思路，对理解 vLLM 网络层设计有参考价值。

AITER 自定义 AllReduce 整合到 CudaCommunicator

建议仔细审查此 PR，尤其是设计决策：统一后端、移除冗余协议、版本兼容策略。对 ROCm 平台有重要影响，值得在 ROCm 环境下进行充分回归测试后再合入。

图片 URL 错误时返回 HTTP 422 而非 500

值得精读。该 PR 展示了如何正确区分客户端错误与服务器错误，以及如何在 Review 中根据反馈调整设计（尤其是瞬态错误的保留）。错误包装函数 `_wrap_media_fetch_error` 的设计模式（基于异常类型和状态码分类）在自定义错误处理时很有参考价值。同时，测试策略的调整（移除内部 helper 的直接测试以降低维护摩擦）也体现了务实的测试理念。

阻止请求级GPU视频后端绕过VRAM预留

值得精读，尤其是设计权衡（元数据放在注册点 vs 单独集合）和防御性编程（在关键入口处检查资源预算）。建议关注后续是否有更多后端注册时使用`requires_gpu`。

修复 MOSS-Audio PP 下 deepstack_input_embeds 初始化缺失

值得合入，改动虽小但正确性关键，修复了 PP 下的崩溃。建议同步检查其他是否有其他类似初始化未分片的模型，可作为学习 PP 模式下 intermediate_tensors 分片处理的范例。

移除 weight_scale_inv 加载时转置，修复 DeepSeek 精度

该 PR 是典型的数据布局契约修复：检查点格式与 kernel 期望格式不匹配，且加载时转换方式错误。值得精读以理解 FP8 块级量化的布局约定及典型 bug 模式。建议未来增加单元测试验证 scale 布局的正确性，并确认 e8m0→float32 转换的移除对其他模型的影响。