vllm-project/vllm

修复ROCm Aiter MLA后端在注意力头数小于16时元数据分配与内核输入形状不匹配的问题。

该PR值得精读，尤其关注头填充机制与元数据分配的一致性设计。对于ROCm平台开发者和多模态模型用户，可学习如何调试形状不匹配问题及利用max函数简化边界条件处理。

替换OMP初始化为标准OMP环境变量，修复CPU挂起问题并提升兼容性。

该PR值得精读，因为它涉及核心CPU平台的重大重构，展示了从非标准方法转向标准OMP配置的设计决策。关注点包括OMPProcessManager的设计（特别是parse_mask和create_omp_places函数）、与现有自动绑定逻辑的权衡、以及性能影响（如TTFT增加）。建议工程师审查新模块的正确性测试，并考虑性能调优选项（如VLLM_CPU_NUM_OF_RESERVED_CPU配置）。

为解耦的token生成端点添加流式支持。

该PR值得精读，特别是serve_tokens_stream_generator函数的实现模式，展示了如何在vLLM中处理流式生成、错误处理和usage统计；同时关注测试设计，可为类似功能开发提供借鉴。

在Intel GPU CI中跳过test_topk_only测试用例，修复语法错误。

该PR变更简单直接，无需深入精读。值得关注的点是CI配置中shell语法的最佳实践，以及团队对特定硬件平台测试覆盖度的处理方式。

修复ROCm Dockerfile中pytest退出钩子，确保测试摘要正确打印且保留退出码。

该PR变更简单直接，主要价值在于展示了如何正确处理pytest退出时的缓冲区和状态码问题。对于负责CI/基础设施的工程师值得快速浏览，了解pytest钩子的正确使用模式。无需深入分析核心代码。

修复 Nano Nemotron VL 模型的两个回归问题，避免配置深拷贝和 tokenizer 错误。

建议工程师精读此 PR，特别关注 nano_nemotron_vl.py 中的设计决策，如避免热路径中的处理器调用和使用配置替代提取器，这对多模态模型性能优化有借鉴意义。

清理Gemma4模型实现，移除硬编码退出并删除无用工具文件。

建议快速浏览此PR以了解清理点，重点关注错误处理改进和文件删除的合理性，但无需深入分析设计决策。

修复MRV2路径中缺失的KV连接器工作元数据构建调用。

该PR变更简单直接，适合快速浏览以了解MRV2路径的元数据补全。值得关注的是：1) 了解KV连接器工作元数据的具体用途；2) 确认MRV1和MRV2路径在元数据处理上是否还有其他差异；3) 结合PR #31964理解完整的KVConnectorWorkerMetadata支持实现。