vllm-project/vllm

ROCm CI 新增 Docker 构建元数据测试作业

无需精读，属于常规 CI 基础设施改进，设计清晰、实现简洁。

修复 Transformers 后端用量统计名称模糊问题

该 PR 改动简洁、逻辑清晰，值得快速合并。对于关注可观测性的团队，建议依此检查其他类似统计点是否也存在信息隐藏问题，可借鉴本模式统一上报方案。

SM90 支持 FlashInfer XQA decode 路径

该 PR 值得精读，尤其是 phase-aware 的 attention 后端设计、query dtype 分离策略以及各种 edge case 的处理（nvfp4、sliding window、spec decode）。Review 讨论中关于 q_scale 和 cudagraph 的决策具有参考价值。建议在部署到生产环境前，确保在 SM90 上对目标模型进行端到端 benchmark 验证。

删除弃用的 PagedAttention v1/v2 实现

此 PR 是重要的清理动作，值得开发者关注其背后的决策：vLLM 已完成注意力后端的现代化迁移。阅读 diff 可清晰了解旧代码的结构和如何被替换，对于理解 vLLM 的注意力架构演进非常有帮助。

修复 poolside_v1 工具解析器忽略无换行 tool call 的 bug

该 PR 值得审查，因为一行修复解决了一个静默丢弃 tool call 的问题，测试覆盖良好，且设计上考虑了向后兼容。对于维护工具解析的工程师，可关注其正则设计模式。

修复 V2 ModelRunner 调度时请求槽计数遗漏

建议所有使用 V2 Model Runner 的团队同步此修复。测试文件的 `WorkerSlots` 模拟类设计值得学习，可复用至其他需要验证调度器余额的场景。PR 提交清晰，改动集中，可快速 Code Review。

修复 Whisper 编码器滑动窗口 kernel 大小错配

值得精读，尤其是对涉及 KV 缓存管理或块池化机制的开发者。关键设计决策是将两个消费者的滑动窗口需求分离，并通过+1 余量解决块对齐驱逐的边界问题，是一个简洁而正确的修复。

GLM-5.2 DSA indexer 预填充元数据 kernel 预热

该 PR 值得精读，它展示了如何在 vLLM 的预热框架中为特定后端 kernel 添加预热，是性能优化的典型模式。