vllm-project/vllm

更新文档说明 MolmoWeb 模型使用 hf_overrides 配置

建议所有使用 MolmoWeb 模型或类似架构变体的用户阅读此文档。对于开发者，这是一个很好的示例，展示了如何在不添加新代码的情况下通过文档和 hf_overrides 机制支持模型变体。

精简 CI LoRA 测试，跳过冗余项

建议关注被跳过多 GPU 测试的死代码问题，考虑仅在 CI 特定标记而非平台级别跳过；对于 AMD CI，建议验证实际运行测试是否有效；此 PR 的设计决策值得学习，但覆盖风险需接受。

新增 prompt_text 字段返回聊天模板渲染文本

该 PR 设计简洁，值得关注其参数设计思路和直接利用引擎内部数据的做法。推荐在类似场景（如需要暴露内部处理结果）时参考此模式。

将 mamba_type 字符串改为枚举，简化选择器逻辑

建议阅读 `vllm/v1/attention/selector.py` 和 `vllm/v1/attention/backends/registry.py` 的变更，了解如何从字符串映射演进为类型安全枚举。对于关注类型安全和代码整洁的团队，这是一个值得借鉴的重构模式。

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。