vllm-project/vllm

在 ROCm 平台上将 OpenAPI 模式测试超时增加三倍。

此 PR 逻辑简单，适用于快速了解 ROCm 测试调整；无需深度阅读，但可关注平台特定超时设置模式，作为处理异构基础设施的参考。

在Intel GPU（XPU）上启用MLA模型支持，优化attention后端。

建议重点关注`forward_xpu`方法的实现问题，并查看相关讨论以了解潜在风险。此PR涉及跨平台支持，值得精读以理解MLA在XPU上的集成方式和设计权衡。

重新排序ROCm attention后端优先级，将ROCM_ATTN设为最高优先级，移除环境变量VLLM_ROCM_CUSTOM_PAGED_ATTN。

建议技术管理者和工程师精读此PR，重点关注`_get_backend_priorities`函数的设计决策和优先级调整，以及`sinks`支持变更的权衡。同时，留意未解决的aiter检查问题，可能需要在后续PR中处理。

移除CUDA torch fallbacks，使deep_gemm成为FP8 MQA logits的硬性要求。

建议技术管理者关注此变更对部署环境的兼容性影响，工程师应精读此PR以理解硬件支持与兼容性的设计权衡，特别是review中关于deep_gemm检查的讨论，值得借鉴用于类似决策。

修复 ROCM_AITER_UNIFIED_ATTN 测试中块大小错误，改用动态查询后端偏好。

建议工程师精读此 PR，以学习如何将硬编码配置替换为动态查询，从而提高代码健壮性。关注 `get_preferred_block_size` 方法的使用和测试参数化设计，这对于类似测试场景有借鉴价值。

修复 OpenAI 工具调用流式响应中访问 prev_tool_call_arr 时的索引错误，避免崩溃。

建议工程师精读此 PR 以理解流式处理中工具调用的状态管理逻辑，关注 auto_tool_called 变量的引入和条件检查的调整，这有助于避免类似索引错误；同时注意 review 中提到的死代码问题，可作为代码优化参考。

为vLLM的CUDA Graphs设计文档添加Vision Encoder（ViT）CUDA Graphs详细章节。

建议快速浏览此PR以了解新功能文档，重点关注cuda_graphs_multimodal.md中的设计细节和用法示例。对于技术管理者，可参考文档结构优化模式；对于工程师，无需深入阅读代码，但值得学习文档编写实践。

自动在NFS文件系统上启用模型检查点预取，带RAM保护，提升加载性能。

该PR值得精读，特别关注`_is_nfs_path`和`_checkpoints_fit_in_ram`的实现细节，以及review中关于设计权衡（如条件逻辑和Docker兼容性）的讨论，这对理解vLLM在异构环境下的性能优化策略有参考价值。