vllm-project/vllm

MoE LoRA 重构为显式上下文传递

该 PR 值得精读。它展示了一个高质量重构案例：将隐式装饰器逻辑转换为显式上下文传递的模块化设计。重点关注 MoELoRAContext 的传播路径（从 FusedMoEWithLoRA 构造，通过 FusedMoEModularMethod 传入 FusedMoEKernel 再到 FusedMoEExpertsModular）以及 LoRAExpertsMixin 如何简化专家类的 LoRA 集成。开发者在为新的专家后端添加 LoRA 支持时，应参考此模式。

修复 DSV4/3.2 流式推理中 DSML 标记泄漏

该 PR 值得仔细阅读，特别是 `_extract_content` 的设计和 `partial_tag_overlap` 的使用方式。对于实现流式标记解析的其他 parser（如 hermes, kimi-k2）有参考价值，展示了如何安全地处理跨 chunk 标记边界。

修复无共享 expert 时 routed 输出截断过晚导致 shape 不匹配

推荐精读该 PR 核心变更以理解 fused_moe runner 中 routed 输出截断的时序依赖。若不甚了解原始 padding 逻辑及 shared expert add 的交互，容易忽略条件分支的微妙影响。该 PR 本身改动极小但历史背景丰富（关联 #40794、#35949），是研究复杂 MoE 层数据流的好教材。

支持多 KV 组的 offloading store 操作

该 PR 作为 kv_offload+HMA 系列第 11 部分，核心重构值得关注。建议精读 review 评论，特别是关于 block_size_factor > 1 时的切片和索引推进问题。如果计划使用多组 offloading，请确保这些潜在 bug 已被修复或理解其影响。

修复 MI300 上 MoE 测试死锁问题

此 PR 值得精读，展示了在多 worker 并行测试中处理非确定性缓存回收的一种简洁有效方法：使用分布式 barrier 保持 worker 同步，而非复杂的 GC 操作。

Qwen3 多模态 deepstack 缓冲区优化

值得精读此 PR 以理解 vLLM 中 deepstack 缓冲区的生命周期和优化思路，但需警惕其引入的边界检查回归。建议结合后续修复 PR #40932 一起理解，以形成完整的演进图景。对于生产部署，直接升级至包含修复的版本（如 v0.20.1+）或 cherry-pick 修复 commit。

修复引擎关闭时 GPU 内存泄漏并添加诊断测试

建议引擎、内存管理相关开发者精读此 PR，重点了解：1）bound method 作为 LRU 缓存键导致的内存泄漏模式及解包方案；2）`gc.freeze/unfreeze` 的正确配对使用；3）异步资源传输与同步点设计的权衡。commit 历史展示了调试和返工过程，对理解设计演变有帮助。

预热 readonly MM processor 并修正缓存路由

本 PR 值得一线工程师和架构师精读，特别是 `BaseRenderer.warmup` 的提取以及参数化 `skip_mm_cache` 的决策，展示了如何在不破坏现有接口的前提下修正路由逻辑。新建的测试文件可作为模拟多模态环境的参考。