vllm-project/vllm

为 HarmonyParser 添加 flush() 方法，调用 process_eos() 刷新并重置。

此 PR 值得技术负责人和 parser 模块维护者精读，特别是 `flush()` 中异常处理和惰性初始化的设计决策。它展示了如何在不破坏现有接口的前提下，为下游修复铺平道路。后续 PR #46102 将进一步完善 serving 层集成，建议关注。

移除混合模型 FA 块大小限制

建议精读。该 PR 虽然改动小（仅 17 行删除），但涉及混合模型注意力机制的核心限制移除，是清理历史技术债务的好例子。推荐关注：1) 如何通过系统性的修复（KVBlockZeroer）替代临时 workaround；2) 对 hetero TP PD disagg 场景的潜在影响需在后续测试中确认。

添加 DeepSeek V3.2/GLM-5 硬件特定模型实现

建议架构师和模型开发者精读 `attention.py` 中的 `DeepseekV32Indexer` 实现，理解稀疏注意力索引生成逻辑，以及 `model.py` 中的层间残差连接设计，为后续优化奠定基础。

修复 ROCm 上 RLHF 示例的 RCCL 运行时 bug

此 PR 是一次有针对性的 bug 修复，代码量小且逻辑清晰。值得关注的是其采用的临时方案设计——通过清除环境变量绕过后端 bug，而不是修改核心库。作为 ROCm 平台兼容性修复的示例，可供参考。

移除 AMD CI mi250 队列中 v1 sample+logits 测试

变更简单直接，无需精读。适合作为 CI 维护参考：当某个测试步骤不再需要时，及时清理以保持流水线高效。

修复 AMD CI NVFP4 量化测试超时，临时移除不稳定模型

该 PR 值得合并。建议后续跟踪 `nvidia/Kimi-K2.6-NVFP4` 下载稳定性问题，待网络问题解决后重新添加该模型配置。fixture 设计值得在其他 CI 测试中推广。

修复 DiffusionGemma TP>1 自条件化 matmul 崩溃

值得精读。展示了在 `torch.compile` 编译区域中引入分布式通信的设计模式：通过虚设注册 custom op 使 all-reduce 可追踪，同时保持分片权重避免显存浪费。对于其他需要向量并行 embedding 的模型（如 Mixture of Experts）有借鉴意义。

补齐 parser.parse() 的 token_ids 参数传递

变更明确且安全，已获批准。关注后续解析器迁移 PR 以了解 token_ids 将如何被利用。