vllm-project/vllm

升级 FlashInfer 至 v0.6.11.post2

该 PR 值得合并，但建议在合并后密切关注 MoE 相关模型（如 DeepSeek-V2/V4）的推理质量和性能基准。另外，建议统一 FlashInfer 版本管理策略，避免多个分支维护不同版本。

为 MooncakeStoreConnector 新增磁盘卸载与双模式配置

建议重点关注以下几点：配置验证的双向约束（`__post_init__`）、磁盘卸载的预算拆分算法（`_split_disk_offload_load_batches`）、RNIC 选择逻辑（`_get_explicit_worker_rnic`），以及 review 中对静默损坏的讨论。这些设计决策对其他卸载方案有借鉴意义。

为池化器激活函数添加单元测试

建议精读测试文件和 fixture 设计，尤其学习如何使用 set_current_vllm_config 模拟全局配置进行单元测试。该 PR 还揭示了 PoolerClassify 依赖全局状态的设计隐患，值得关注后续重构。对于刚接触 vLLM 测试框架的开发者是很好的学习样例。

修复 Ultravox 模型 revision 未传递至次级权重加载

值得合并，修复了一个版本一致性问题，逻辑简单且明确。可快速审阅。

实验性可打断 CUDA 图，替代 torch.compile 分段依赖

值得精读。本 PR 展示了一种不依赖 torch.compile 的 CUDA 图替代方案，设计思路清晰（运行时打断 vs 编译时分割），对理解 vLLM 编译栈有很高价值。建议重点关注 `breakable_cudagraph.py` 中 `BreakableCUDAGraphCapture` 的设计（线程局部状态、嵌套保护、段列表构建）以及 `eager_break_during_capture` 装饰器对开销的考虑（弱引用、装饰器顺序标注）。对于计划在生产环境使用该特性的团队，务必在启用前通读 review 评论中尚未完全解决的地址稳定性与 DeepEP 兼容性问题。

移除 ROCm CI 中导致构建失败的命令覆盖机制

对于 ROCm CI 维护者，应审查此 PR 后的 CI 运行趋势，确保未被覆盖的测试取得预期结果。对于其他参与者，此变更体现了对 CI 事故的快速响应，值得了解其背景。

Mooncake 构建从 PyPI 切换为自定义 wheel

建议精读。此 PR 展示了基础设施层如何通过自定义构建参数解决上游依赖的兼容性限制，其 `wheel URL` + `build arg` 的模式可为其他类似 GPU 原生依赖的定制化提供参考。

修复 MoE gate 多属性路径导致的 LoRA 重复包装 bug

值得精读，特别是去重策略与豁免边界的设计。对于计划支持更多 MoE 模型的开发者，此实现提供了可复用的思路。建议关注 review 评论中的循环引用潜在问题，并考虑是否在 `setattr` 前加父模块类型检查以提升健壮性。