vllm-project/vllm

重构 AWQ Marlin MoE 至模块化 WNA16 oracle

值得精读，尤其是如何将量化 MoE 接入模块化 FusedMoEKernel 框架。展示了后端选择和 kernel 构建的抽象设计。开发者在实现新量化方案时可参考此模式。

v2 GPU Model Runner 补全 update_config 方法

值得精读，特别是对于理解 v1/v2 模型运行器委托模式和配置同步机制的开发者。此 PR 展示了如何在不破坏现有架构的前提下，为 v2 运行器补齐缺失的接口，并处理了配置对象在两层之间的同步问题。

回滚引发 CI 失败的 torch.compile 补丁

可直接合并以快速恢复 CI。建议后续维护者关注 PyTorch 2.12 及以上版本是否确实修复该问题，并考虑是否有更安全的方式为 2.11 提供补丁。

末步 flush 所有待定 KV 转移作业

建议关注 `build_connector_meta` 中的 flush 触发逻辑，以及其与 `is_finished()` 的关联。对于维护 KV offloading 的读者，这个 PR 的 review 讨论具有参考价值。

暂时跳过 Intel GPU CI 中一个不稳定的 MoE LoRA 测试

这是一次临时性的、低风险的 CI 稳定性应急措施，不建议精读。但应提醒团队在后续尽快修复被跳过的测试用例，并恢复执行。

KV Connector 存在时默认回退 MRv1

建议精读此 PR 的处理思路：临时降级而非禁用 MRv2，体现了兼容性折中。同时建议关注后续对 `is_kv_transfer_instance` 属性的接入，以精细化降级条件。

修复 Mamba 混合模型 all 缓存 + 推测解码崩溃

值得精读，特别是 `mamba_mixer2.py` 中 gather 逻辑的设计——通过预计算偏移量一次 gather 多个槽位而非逐 token 操作，是处理 speculative slots 的优雅模式。review 中对 helper 函数是否内敛的讨论也展示了重构取舍。

修复 KV Offload 计数 bug，1 行代码变动

建议快速合并。该 PR 虽小但精准，修复了一个真实触发断言的 bug，值得关注其背后的窗口跨越边界场景设计约束。