vllm-project/vllm

通过将阻塞的多模态预处理和聊天模板渲染卸载到共享线程池，修复事件循环阻塞问题，提升API端点响应性。

该PR值得技术管理者和工程师精读，尤其关注其如何优雅地处理异步编程中的阻塞操作。设计决策如共享线程池的使用、tokenizer线程安全方案（基于深拷贝）以及性能基准测试方法，为类似场景提供了实用参考。建议结合PR #36557理解线程安全背景，并关注后续可能的进程池优化。

添加独立的 Intel XPU CI 流水线，支持镜像构建和硬件测试。

建议工程师精读此 PR，学习如何添加新的硬件 CI 流水线，重点关注设计决策如环境变量使用、安全实践和测试用例组织，以指导未来类似基础设施扩展。

修复Transformers v5配置解析与模型兼容性问题。

建议精读vllm/transformers_utils/config.py的parse函数变更和deepseek_vl2.py的初始化调整，这些设计决策展示了如何优雅处理版本升级和配置注册，对于维护模型兼容性有借鉴价值。

修复xgrammar choices错误消息中缺失的f-string前缀，提升错误报告清晰度。

此PR变更简单直接，无需精读，但可作为代码风格检查的示例，提醒开发者注意f-string的使用一致性。对于新接触structured_output模块的工程师，可快速浏览以了解错误处理机制。

在 Model Runner V2 中启用合成拒绝抽样，支持强制特定接受率以方便测试。

对于从事推测解码、Model Runner V2 开发或需要测试固定接受率的工程师，此 PR 值得精读。重点关注：如何扩展拒绝抽样方法的设计决策、几何衰减模型的数学实现、以及配置验证的最佳实践，以借鉴在测试功能中添加复杂逻辑时的代码组织方式。

修复多节点设置下FlashInfer allreduce融合后端选择问题，避免hang。

对于涉及分布式训练或多节点部署的工程师，此PR值得精读，以理解FlashInfer allreduce后端选择策略和兼容性处理。关注 `_resolve_fi_ar_backend()` 函数的设计决策，以及如何平衡性能与兼容性。

修复ROCm后端paged_mqa_logits_module的lru_cache失效，提升性能。

建议快速审查此PR，以理解lru_cache的正确使用方式。关注设计决策：确保缓存函数在模块级别定义以避免作用域问题。对于工程师，这是一个学习Python装饰器和性能优化的好例子，值得精读其简单但有效的修复思路。

修复 ROCm 夜间发布管道中的未绑定变量错误并移除无效部分缓存逻辑。

该 PR 值得 CI 维护者和 ROCm 开发者关注，尤其是缓存逻辑的简化决策。建议精读 review 讨论，评估是否应重新添加 `--push` 标志以恢复缓存机制，并监控构建性能变化。