vllm-project/vllm

修复异构TP下NIXL HMA传输中kernel块映射不匹配的bug

建议精读。该PR展示了在复杂分布式缓存传输中处理异构块大小和前缀缓存约束的典型设计模式，`_apply_prefix_caching` 的方法抽取和 handshake 防御性检查值得借鉴。测试用例的扩展方式也值得参考。

将剩余 MoE experts 类迁移至 experts 子目录

该 PR 属于代码组织优化，无功能变化，值得快速合并。建议后续类似重构保持原子 commit，便于回溯。

将专家映射逻辑抽取到 ExpertMapManager 类

建议 MoE 相关开发者精读 `expert_map_manager.py` 的设计；该 PR 展示了一种从大模块中提取职责形成 Manager 类的典型重构手法，值得学习。重点留意路由表管理与拓扑更新之间的协调逻辑。

预热Mamba2 SSD内核，消除首次推理延迟尖峰

值得精读，尤其是关注推理优化和Triton自动调优机制的开发者。设计模式（在初始化阶段触发自动调优以避免首次推理延迟尖峰）可复用于其他类似场景。

MXFP4 W4A4线性层支持，集成FlashInfer/Marlin内核

值得精读此PR。重点可关注`MxFp4LinearKernel`抽象类设计和`init_mxfp4_linear_kernel`工厂函数的多后端选择模式，以及如何通过环境变量`VLLM_MXFP4_USE_MARLIN`覆盖内核选择。compressed-tensors方案的重构方式（从直接调用Marlin到委托内核）也为其他量化格式统一提供了参考。此外，swizzle reshape的讨论展示了GPU编程中数据布局对齐的常见陷阱。

XPU 内核依赖升级至 v0.1.8

无需特别关注。该 PR 是一次常规的依赖版本升级，变更简单直接，已通过审批。建议在合并后观察 XPU 相关 CI 测试是否通过。

修复 XPU 采样器随机数生成器状态不同步问题

**建议精读**：该 PR 展示了在异构计算中同步自定义内核与框架随机数生成器状态的常见模式，对理解 PyTorch RNG 状态管理有参考价值。但实现简单，无需深度分析。

修复文档中 llm-d 链接错误

该 PR 属于典型的 typo 修复，无需深入阅读，但体现了良好的文档维护习惯。