vllm-project/vllm

动态对齐MLA解码kernel的BLOCK_DMODEL以修复ROCm编译崩溃

建议精读。该PR展示了如何通过动态对齐维度修复硬件后端兼容性问题，其设计方案（基于Lv对齐而非Lk）值得ML架构开发者参考。同时，代码中多余的逻辑被reviewer发现并简化，体现了良好的代码审查流程。

修复 Gemma 4 聊天模板工具名称为空时崩溃

该 PR 简单但关键，建议直接合并。同时建议与 HuggingFace 上游团队（@lucianommartins）协调将相同修复合入 HF 官方模板，以覆盖使用 HF 默认模板的用户。

融合 mHC 后处理与前归一化 GEMM 内核，提升 DeepSeek-V4 推理性能

值得精读，尤其是 FMA 代替 tensor core 的融合策略和 TileLang 内核编写方法。review 中关于阈值和 UnboundLocalError 的讨论也值得关注，可作为代码审查的 checklist。

修复Molmo2图像令牌元数据与HF处理器不匹配

值得精读的设计决策：如何将HF处理器配置参数传递到vLLM的底层令牌生成函数，保持向后兼容的默认值。讨论中关于测试验证的方法（TDD, 回归测试确认）值得借鉴。

将各类 MoE 专家实现统一迁移至 fused_moe/experts/ 目录

该 PR 是典型的代码模块化重构案例，值得关注以下几点：1) 如何通过子目录组织不同的 expert 实现；2) 如何利用包入口（`__init__.py`）统一暴露符号，隐藏内部实现细节；3) 合并多个同主题 PR 的协作模式。建议架构师和需要扩展 MoE 相关功能的开发者精读。

使 safetensors 检查点预取参数可配置

值得精读，尤其是参数化设计模式和并发原语替换的讨论。建议后续补充单元测试和性能基准数据。

为 DeepSeek-V4 添加流水线并行支持

值得精读，展示了如何为复杂模型（含多流 hidden_states 和特殊注意力架构）添加 PP 支持，可作为其他模型 PP 集成的参考模板。

修复 causal_conv1d 超长序列 IMA 问题

值得 merge：改动简洁、针对性强，有完整的问题复现和性能验证。可参考此 PR 的模式，检查其他 Triton kernel 中是否也存在类似 int32 溢出风险。