vllm-project/vllm

延迟导入 humming 量化后端，避免不必要的导入副作用

值得精读此 PR 的懒加载门面设计，可作为其他可选后端导入优化的参考模式。建议关注其对类型提示的实际影响，必要时可补充类型桩。

Nemotron V3 未闭合 thinking 块时内容丢失修复

建议相关开发者仔细阅读，特别是 `finalize_generation` 的设计体现了延迟处理未完成块的思想。设计上采用 opt-in，行为清晰，值得借鉴。

删除低使用率的 ERNIE BERT 式池化模型

可精读以下设计要点： - 如何基于使用率数据（遥测）做代码功能退役决策。 - 如何通过 `_PREVIOUSLY_SUPPORTED_MODELS` 处理功能删除后的向后兼容性。 - 测试删除时如何同步清理测试用例和示例模型条目。 该 PR 是 vLLM 模型管理策略的典型案例，值得模型运维和代码清理相关开发人员关注。

为KV offload管理器添加标准化Telemetry接口

该PR值得深度阅读，特别是对设计可扩展监控系统的开发者。关键决策在于自描述扁平统计载荷的设计和deprecation迁移策略。建议结合RFC（#44008）形成的指标重设计思路来理解整体演进方向。

修复 Rust Tokenizer 遗漏 tokenizer_config.json 中的 added tokens

此 PR 值得合并，它修复了一个关键的多模态模型兼容性 bug。设计上采用合并策略，优先保留 tokenizer.json 中的 token，安全可靠。建议后续关注 fastokens 上游修复的进展，如果上游已支持 added_tokens_decoder，可简化 Rust 端的合并逻辑。同时建议增加更多边界测试，如 id 冲突、非数字 key、大并发加载等场景。

添加 deepseek_v32 到 Quark MXFP4 模型类型检查

本 PR 是紧急 bugfix，建议尽快合并。同时建议为 `maybe_update_config` 逻辑添加单元测试，覆盖各种 model_type 和 quantization_config 组合，防止后续回归。

统一 Rust 构件构建入口为 setuptools-rust

建议关注其“单一入口”设计模式——未来扩展 Rust 模块只需在 `tools/build_rust.py` 中添加 `RustExtension` 条目，其余环节自动适配。值得精读 `tools/build_rust.py` 和 `setup.py` 的改动以理解共享构建的原理。

修复远程 DoS：Triton 采样器越界 token 掩码为 -inf

值得精读。展示了 Triton kernel 边界条件下安全加固的典型模式，且测试用例设计技巧（零概率尾部、无草案概率路径覆盖）有参考价值。安全团队和推测解码功能开发者应重点关注。