vllm-project/vllm

Reorder ROCm pad fusion before AR+RMS fusion

值得合入。该 PR 精准修复了 ROCm AITER 融合管道中的调度竞争问题，通过极小的代码改动（+5/-3）获得显著性能提升，且经过充分验证。适合作为编译 pass 优先级设计的参考案例。

为 /inference/v1/generate 添加服务端 max_tokens 默认值，防止静默截断。

此 PR 值得精读，尤其是 pydantic 模型验证器追踪客户端字段的技巧，该模式可用于其他需要区分“未设置”与“显式默认值”的场景（如 `temperature`、`top_p` 等）。其实现与测试设计清晰，有助于理解 vLLM 请求处理管线的不同层。

修复 PyPI 发布脚本使用 uv + Python 3.12

值得精读。该 PR 展示了 CI/CD 脚本中 Python 版本兼容性的处理策略，以及如何利用 uv 工具简化依赖管理并提升确定性。固定版本的做法值得在其它 CI 脚本中推广。

将 bind_gpu_block_pool 提升为 KVConnectorBase_V1 通用 API

本 PR 虽改动量小，但涉及 API 设计权衡（直接暴露完整池 vs. 提供窄接口），值得所有参与连接器开发的工程师精读，以理解当前接口约束和未来演进方向。

修复 CUDA 13 平台 nvidia-cutlass-dsl [cu13] 依赖缺失

值得关注其设计思路：让最新平台的需求作为默认值，通过向后兼容的方式处理旧平台，这是一种更可扩展的依赖管理策略。

修复 SimpleCPUOffloadScheduler eager 模式下跨 steps 重复 offload 的问题

建议合入。这是一个精确的 bugfix，修复了竞态条件导致的重复 offload 问题，代码改动量小，设计清晰，且有完善的测试和 CI 集成。

修复 SlidingWindowSpec NVFP4 KV 缓存页大小计算

建议合并。该 PR 修复了明确的 Bug，改动集中且正确。建议关注后续是否需要对 FP8 量化做类似修复。

为 Qwen3.5 启用 ViT 全 CUDA 图

建议合并。该 PR 遵循了已建立的 ViT CUDA 图扩展模式，代码清晰，测试覆盖完善，审阅人批准。值得关注的设计决策：通过复用 Qwen3-VL 的视觉变换器，展示了 vLLM 中多模态模型 CUDA 图支持的模块化扩展方法。