vllm-project/vllm

EPD 消除重复图像预处理，grid 带外传递并启用 GPU 预处理

值得精读。核心看点：一是 EPD 场景下"信息该由计算方产出且只计算一次"的推导（grid 从 encoder 上报、代理不二次推导），二是用声明式 `embedding_fields`（values/metadata 角色）同时服务 producer 发布与 consumer 校验、消除两端契约漂移，三是 `--mm-processor-device=auto` 的复合门控（EC producer 非 consumer + torch_shm 传输）与 `validate_mm_processor_device` 的非 EPD 拒绝策略，四是 `NO_REWRITE` 诊断开关这种为可比性保留对照路径的做法。建议关注同类可扩展注入模式（如 PCPManager extensible）与这套声明的融合。

放宽 ROCm bf16 下 MLA rope 融合测试容差

值得快速浏览，了解低精度数值测试中基于 ULP 的容差推导方法；无需深入精读。若团队维护 ROCm 测试矩阵，建议关注后续 bisect 结果，并在恢复严格容差后补一个注释说明根因。

Kimi K3 SP 多路 all-gather 合并为一次，1.5~3 倍加速

值得精读。它展示了如何把多次小集合通信合并为一次大集合通信来降低 kernel 启动与同步开销，是一个小而典型的通信优化案例。建议关注：`aux_hidden_states` 初始化时机的移动、packed 张量的 split 对称性，以及该路径缺少直接单测的风险。可复用 PR body 的 benchmark 脚本验证收益。

删除 MoE 重构遗留代码，清理 22 个文件

值得快速浏览，特别是 `fused_moe_method_base.py` 与 `parallel_state.py` 的删除逻辑，可作为“大重构后清理 legacy 接口”的参考案例。若在维护第三方 MoE 量化插件，需检查是否依赖被删除的 `maybe_make_prepare_finalize` / `select_gemm_impl`。

新增 ROCm AITER 量化与 MoE 内核测试

值得精读，尤其是三个新测试文件中的统计式精度断言设计（_assert_close_budget、_assert_group_quant_quality、_assert_abs_error_budget、_assert_rel_error_budget）和 AITER enablement 门控测试（test_rocm_aiter_fp4_enablement_follows_env_and_arch、test_aiter_fp8bmm_enabled_api_respects_env），对理解 ROCm AITER 的环境变量契约非常有帮助，也可作为其他平台内核测试的模板。环境恢复 fixture _restore_rocm_env_state 是测试隔离的良好实践。

修复 ModelOpt FP8 转置后丢失维度元数据

该 PR 值得快速阅读，尤其关注 `process_weights_after_loading` 中维度元数据的显式声明方式。对于涉及自定义 Parameter 属性的量化后端，这是一个值得遵循的最小修复模式。

修复 num_experts_per_token 为 list 时 pydantic 校验失败的 CI bug

值得快速阅读，是一个小而典型的防御性配置解析修复。可对照学习两点：一是对远端模型配置类型不可信的规范化处理模式；二是 get_num_experts（取第一）与 get_num_experts_per_token（取 max）未统一策略的遗留问题，后续如需扩展多 block 异构 top-k 配置应再次审视该方法。

ROCm 下 DeepEP MoE 测试禁用 rocprofiler 防段错误

值得精读：改动虽小，但根因分析非常扎实——通过最小复现（纯 HIP + rocprofv3）把问题定位到 ROCm 运行时，并设计了明确的回退条件。适合作为“测试与外部工具链缺陷交互”的处理范本，也提示 CI 维护者在类似场景下优先隔离环境变量而非修改生产逻辑。