vllm-project/vllm

为融合 FP8 RoPE kernel 添加 do_not_specialize 避免重编译

值得精读的小而精优化实例，展示了如何通过 Triton `do_not_specialize` 控制编译行为以提升生产性能。建议关注类似 kernel 中是否有其他参数可同样优化。

回退针对 Gemma3 特殊权重的 hack

该 PR 是小型清理，不值得精读。但可作为建模后端维护的参考：避免在通用路径中放置特定模型的临时 hack。

用 flatten 替换 einops rearrange 提升 GDN 输出投影性能

值得合并，变更微小但明确有效，且经过充分的性能与精度验证。建议精读的审阅者关注：`flatten(-2)` 与 `rearrange` 的语义等价性确认，以及 eager 模式下加速比的量化证据。该 PR 展示了消除无关 Python 开销的典型优化模式。

支持 2D 与 3D MoE LoRA 适配器混布

该 PR 值得所有 LoRA MoE 相关开发者精读，尤其关注：1) **设计方案**：`_enable_mixed_moe_lora_format` 与 `_model_is_3d_moe` 的双重状态设计，以及 `_convert_3d_to_2d_moe_lora` 的具体张量重排实现；2) **测试策略**：混合 batch 中通过独立输出比对验证适配器路由正确性；3) **未解决的 review 意见**：assert 与 architectures 访问的改进建议尚未实施，后续需跟进以避免潜在 crash。

修复 MoE LoRA 对齐内核 grid 越界导致 CUDA 非法访问

建议阅读。该 PR 展示了如何诊断 CUDA kernel 中因 grid 大小不足导致的 off-by-one 错误，并采用防御性 guard 增强健壮性。测试设计中使用 sentinel 值检测未初始化输出的思路值得借鉴。对于维护 MoE LoRA 相关代码的工程师，此修复直接解决了常见的 illegal address 崩溃。

优化文档构建跳过时的日志输出

建议阅读以了解 ReadTheDocs CI 的 gate 机制。如需复用类似模式（提取 CI 脚本），可参考此 PR 的结构。但对于 reviewer 提出的性能与错误处理问题，建议在后续跟进。

修复 Kimi-K2.5 ViT 量化时 dtype 转换破坏参数

建议精读此 PR，理解量化参数保护的通用模式。重点关注 review 中提到的 mm_projector 问题是否已在其他 PR 中修复。开发者在处理类似量化场景时应留意 `.to(dtype)` 对量化参数的副作用。

稳定 ROCm 池化与多模态 CI 测试

建议阅读以了解测试稳定性策略，特别是 `assert_prompt_tokens` 的设计和 ROCm 环境显式化方法。但 `transformers/base.py` 改动应等待进一步验证，合并后如有问题可关注 #42923。