vllm-project/vllm

修复vllm/config/parallel.py中TPU支持的文档描述，更新链接以提升准确性。

此PR不值得精读代码逻辑，但review讨论中关于文档准确性和TPU支持的设计决策值得关注，尤其是gemini-code-assist[bot]提出的不准确性，可作为文档维护的参考。

将--grpc CLI参数从serve.py移至cli_args.py以统一前端参数定义。

建议快速浏览此PR以了解参数管理的调整，但特别关注gemini-code-assist[bot]的设计争议。对于技术管理者，此PR展示了代码重构中模块边界的重要性，值得考虑未来是否进一步重构参数定义到更通用的模块。

为Responses API添加presence_penalty和frequency_penalty字段，增强OpenAI兼容性。

此PR值得精读，特别是学习如何将外部API规范集成到现有系统，并处理验证约束以提供更好的错误反馈。关注Pydantic模型验证和参数默认值处理的设计决策。

重构评分API为IOProcessor模式，统一跨编码器、双编码器和延迟交互架构的在线和离线处理逻辑。

该PR是理解vLLM池化任务架构演进（特别是向统一IOProcessor模式迁移）的绝佳案例，值得核心开发者精读。重点关注`ScoringIOProcessor`的设计如何封装不同评分算法的差异，以及`OfflineInputsContext`/`OfflineOutputsContext`如何统一在线和离线处理的接口。同时，应留意review中提到的关于异常处理策略和抽象层次选择的讨论，这对设计类似的模块有借鉴意义。

在CPU后端为AWQ量化模型引入int8计算模式，性能提升显著。

该PR值得精读，特别是内核实现部分和设计权衡。关注点包括：如何适配SGLang内核以实现融合反量化、环境变量控制策略的性能影响、以及AMX硬件依赖的兼容性处理。

移除Buildkite CI中的benchmarks job以简化UI并减少无用信号。

此PR变更简单，属于CI基础设施优化，无需深度技术分析。对于负责CI维护的工程师，可快速浏览以了解配置变更；对于其他开发者，可忽略此PR，除非关注CI流程精简趋势。

为线性内核添加OOT支持接口，增强硬件插件兼容性。

值得简要阅读以了解OOT支持机制；关注register_linear_kernel的设计，虽然未采纳重构建议，但为未来内核类型扩展提供了基础，适合内核开发者和平台集成工程师参考。

修复 UniformTypeKVCacheSpecs 下 num_blocks 读取错误，并改进块大小对齐断言消息。

推荐技术管理者和从事 KV 缓存模块开发的工程师阅读此 PR，重点理解 num_blocks 派生方式的变更及其对混合模型支持的意义，以学习配置值和错误处理的最佳实践。