vllm-project/vllm

禁用 uvicorn 信号处理，消除启动竞态与轮询延迟

值得精读。该 PR 提供了一个可复用的模式：通过子类覆写第三方组件的 hook（把 capture_signals 变成 no-op）来消除信号注册竞态，而不是用轮询等待标志位去“排序”事件。建议重点关注两处：一是删除轮询后启动失败（如端口占用）是否还能及时上报；二是 DP Supervisor 自身的信号处理路径是否覆盖了所有预期退出场景。若团队后续升级 uvicorn，建议把 capture_signals 覆写行为纳入回归验证。

新增在线 MXFP4 量化，支持未量化模型直接部署

值得精读。重点看三处可复用设计：一是 mxfp4_utils.py 的 Triton 内核如何按 OCP MX 规范实现 round-to-nearest-even 并与硬件/AITER 逐位对齐（含 denormal 的 sticky bit 处理）；二是 online/mxfp4.py 的 MoE 加载链路（padding 清零 → 批量量化 → 后端格式转换 → kernel 构建）的职责划分；三是 test_online_mxfp4.py 的 Quark parity 与 TP 分片一致性测试思路（fix_negative_zeros 归一化负零差异的细节值得借鉴）。同时建议关注 review 中暴露的 dynamic/static 键语义缺陷与 CUDA 支持边界，这两点会影响后续在线量化配置解析的演进方向。

MRv2 接入权重 offload，复用 MRv1 实现

值得快速阅读：它是 MRv2 迁移中“复用 v1 模块而非重写”这一设计模式的典型样例，展示了如何通过工厂函数与全局注册表在最小改动下打通两代 runner 的能力鸿沟。关注 `create_offloader` 的配置来源与 `post_init` 钩子的触发时机，可帮助理解 offloader 生命周期；若后续要支持多模型并行或权重热更新，需重点审视全局单例与 `post_init` 重入问题。

Blackwell 默认 CUDA 图捕获上限提至 1024

该 PR 值得精读，因为它展示了如何通过调整默认 CUDA 图捕获上限来获取大幅性能提升，并体现了平台差异化默认策略的设计思路。建议重点关注 `_set_cudagraph_sizes` 中平台判断与约束的结合方式，以及测试对 `current_platform` 的 mock 技巧。后续应跟踪 B200 验证结果，并评估是否需要在其他平台（如消费级 Blackwell）做类似调整。

K3 DSpark 融合 KV 投影重构，核函数提速约 4.5 倍

值得精读。推荐关注三个设计点：一是如何用 `MergedColumnParallelLinear` + `shard_id` 在权重加载期零拷贝实现跨层融合投影，复用 vLLM 标准量化分发；二是 `precompute_and_store_context_kv` 从「运行期拼权重 + 回退分支」收敛为「标准线性层 + 元数据」的过程，对比 base/head 可看到手工拼权重代码的大幅删除；三是 `current_workspace_manager()` 替代常驻 buffer 的显存管理方式。若团队计划支持 `Kimi-K3-NVFP4` 或后续量化 DSpark drafter，此 PR 是直接前置。

新增打包 DeepSeek-V4 KV 清零几何回归测试

值得精读。该测试展示了如何为内部数据布局编写 constructor-crossing 回归测试：不重新实现任何布局算术，而是实例化真实生产代码链并以元数据语义作为断言目标；同时用新旧格式兼容分支让失败信息直接指向缺陷本质。对 KV 缓存布局、MLA 和 `KVBlockZeroer` 相关改动者是很好的防护样例。

新增 AITER MLA 自定义算子注册与 opcheck 契约测试

值得 kernel/自定义算子开发者精读，尤其是“用单次 opcheck 替代多条冗余断言、将 env 行为测试排除出内核测试域”的范围取舍；该模式可复用于其他 torch.library 自定义算子（如 mxfp4、fp8、flashattention 封装的注册验证）。

阻止 microbatch 拆开前缀写入者，修复 AMD CI 偶发失败

建议精读。这是一个以极小侵入修复微妙调度正确性问题的高质量样例：_allow_microbatching 的判断完全基于已有调度数据结构（num_computed_tokens_cpu 与 block table），不引入新契约，并通过“任一 rank 否决即全体不拆分”的语义保证了分布式一致性。值得关注的设计决策是只对“整块”做检查、decode 提前退出、以及不做厂商 gating。若后续要在 model runner v2 或新调度器上复刻同类保护，本函数是现成参考。