vllm-project/vllm

为vLLM的CUDA Graphs设计文档添加Vision Encoder（ViT）CUDA Graphs详细章节。

建议快速浏览此PR以了解新功能文档，重点关注cuda_graphs_multimodal.md中的设计细节和用法示例。对于技术管理者，可参考文档结构优化模式；对于工程师，无需深入阅读代码，但值得学习文档编写实践。

自动在NFS文件系统上启用模型检查点预取，带RAM保护，提升加载性能。

该PR值得精读，特别关注`_is_nfs_path`和`_checkpoints_fit_in_ram`的实现细节，以及review中关于设计权衡（如条件逻辑和Docker兼容性）的讨论，这对理解vLLM在异构环境下的性能优化策略有参考价值。

修复 ROCm 平台上 MoE mxfp4 量化由 PR #37128 引入的回归问题，恢复 gpt-oss 功能。

建议工程师精读此 PR，重点关注 tensor 类型兼容性的设计决策（如使用 `.shape` 替代 `.size()`）和 backend 选择逻辑（如 gfx950 gate 和对齐检查）。对于 ROCm 团队，需注意 padding 处理的临时性，并监控相关后续 PR。

在 AMD ROCm CI 管道中添加 Hybrid SSM 集成测试步骤。

此 PR 值得快速浏览，以了解 CI 测试扩展和跨平台测试策略。关注点在于 CI 配置与硬件目标的匹配，以及如何管理不同 GPU 架构的测试覆盖。对于涉及 ROCm 或 kv-connector 开发的工程师，可参考此 PR 来设置类似测试。

将 release pipeline 中的构建作业从 postmerge 队列迁移到专用 release 队列。

变更简单，无需精读；可作为 CI 配置调整的参考，关注队列命名策略和基础设施依赖性。对于工程师，建议了解 release 和 postmerge 队列的分离目的。

默认禁用 Inductor 运行时断言，以降低大模型前向传播的2ms开销。

该 PR 值得精读，因为它展示了在性能和调试之间的设计权衡，以及如何通过配置和环境变量提供灵活性。建议关注 __post_init__ 中的版本检查和日志级别绑定逻辑，以及测试用例的设计。

抑制 nano_nemotron_vl 处理器中 PyTorch 只读 NumPy 数组警告，无功能影响。

该 PR 值得快速浏览，特别是 `_bicubic_from_ndarray` 函数的设计，展示了 PyTorch 警告抑制的最佳实践。但需注意 review 中的争议点，建议工程师验证 `video_to_pixel_values` 逻辑是否正确，以防潜在回归。

扩展微批次优化(DBO)至通用模型，去除对文本模型和内部model属性的依赖。

建议工程师精读此PR，特别是`vllm/v1/worker/gpu_ubatch_wrapper.py`的改动，以理解如何通用化微批次优化。关注`self.runnable`的设计决策，这反映了vLLM中模型封装的变化趋势。