vllm-project/vllm

修复 MM CUDA Graph 测试 mock 类缺失方法

可以快速合入。该 PR 是典型的测试配套修复，建议定期运行受影响的测试以确保 mock 与协议同步。关注 `SupportsEncoderCudaGraph` 协议的演进，避免再次出现类似不匹配。

修复 Gemma4 视觉编码器 OOM，重构 batch 分块为静态函数

值得精读。本 PR 展示了一个典型的内存错误修复流程：识别真正的 dominant 瞬时分配，通过提取纯函数构造可测试的预算模型，并利用单元测试覆盖边界条件。review 中关于平台可移植性的讨论也提醒了在多后端框架中谨慎使用 CUDA 特定 API。该修复虽针对特定模型，但其方法可推广至其他视觉或多模态模型的内存优化。

修复 V2 Runner 中 LoRA CUDA Graph 捕获遗漏问题

建议精读，特别是理解 CUDA Graph 捕获时 LoRA 内核被跳过的根本原因和修复方案。该 PR 展示了动态图捕获与 Python 层短路之间的微妙交互，对理解 vLLM 的 LoRA 实现有重要参考价值。

修复 MiniCPM-V 4.6 vit_merger QKV 权重加载

建议仔细阅读该 PR 的讨论，尤其是代码审核机器人指出的两个问题。虽已被合并，但可考虑后续修复防御性检查和返回值问题。该 PR 展示了 vLLM 中自定义 weight_loading 的标准模式，值得模型贡献者参考。

Voyage 模型改用 AutoWeightsLoader

值得精读，展示了如何将手动融合逻辑迁移到 AutoWeightsLoader。其他模型维护者可参考此模式，理解 packed_modules_mapping 和组合子模块的用法。

预填充 HF 缓存修复 Qwen-VL 测试不稳

该 PR 值得读，因为它展示了一种处理测试中外部依赖的通用模式：通过预填充 local cache 并结合 pytest fixture，以最小侵入性解决 flaky 问题。设计决策（使用 session-scoped fixture、内部 conftest）有参考价值。

XPU 稀疏 attention 内核迁移至统一 custom op

值得精读，特别是以下设计决策： - 如何通过 `_custom_ops` 统一平台差异，使上层代码不再关心后端。 - 移除 Python fallback 的风险与收益权衡。 - 对 vLLM IR 的讨论揭示了未来的架构演进方向。

修复 CuMemAllocator 释放回调未同步流导致的 IMA

此 PR 值得精读，是一个典型的“一行修复”案例，展示了 CUDA pluggable allocator 与传统 caching allocator 在延迟回收行为上的核心差异。设计决策（指定 device index 同步）也值得学习。