vllm-project/vllm

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。

迁移CUDA内核到libtorch稳定ABI

建议仔细审查两个未解决的 review 评论（deque once_flag 和 hadacore inplace 逻辑），确认其在提交前已修复或确认不存在问题。该 PR 展示了大规模内核迁移到稳定 ABI 的工程模式（头文件搬迁、API 替换、注册方式变化），值得精读以指导后续迁移。

重构池化响应构建，消除编码逻辑重复

值得精读，特别是 `utils.py` 中函数提取的设计模式和 `_get_prompt_token_ids` 的 DRY 实践。该 PR 是典型的“提取+集中”重构，展示了如何消除跨模块重复逻辑。建议在类似场景中参考其抽象粒度。同时，可关注 review 中关于 None 安全的设计讨论。

修复多节点 TP 下 engine_id 不同步导致的 NIXL 握手失败

值得精读，特别是分布式同步设计取舍：选择 TP group 而非 world group，以及将同步逻辑抽象到 `ensure_kv_transfer_initialized` 中，体现了模块间解耦的思路。

同步 FlashAttention 上游依赖

作为常规依赖同步，建议合并以保持与上游一致。开发者在后续提交中可关注 flash-attention 的更新日志以评估是否需要适配代码变更。