vllm-project/vllm

修复 GLM-5.1 在 ROCm 上的 MLA 头部填充问题

该 PR 值得仔细阅读，特别是 AiterMLAHelper 类的设计——将特定后端的特殊需求集中管理，避免散落在各个 forward 方法中。建议未来在 AITER 上游修复后及时移除 workaround（参见代码中的 TODO）。

支持 Python 3.14 构建

建议合并，因为这是支持新 Python 版本的必要步骤，且已通过基础测试验证。但需在 Python 3.14 稳定发布后完善 CI 覆盖和分布式支持。

vLLM CLI 支持 --omni 参数委托给 vLLM Omni

值得精读，尤其是关注 CLI 入口点设计和避免包冲突的技术决策；也可作为多包协作时“显式委托替代 hijack”的范例。建议后续补充测试，并跟踪插件机制的演进。

为 context extension 添加 YaRN 方法文档

该 PR 为纯文档更新，内容简洁实用，值得作为 vLLM 特性文档的参考样例。

合并2D/3D注意力内核，提取共享辅助函数

建议精读此PR，特别是提取共享函数和使用constexpr条件编译的模式，这对其他Triton内核的维护具有参考价值。

引入Humming JIT量化内核，支持多种量化格式

该PR是一次有意义的实验性集成，展示了将外部量化库引入vLLM的可行路径。对于阅读者，建议关注：①如何在`linear.py`中支持padding和float pack_factor；②Humming惰性导入的模式；③通过环境变量传递复杂JSON配置的方式。 但应关注review中遗留的设计问题：在线量化应尽量与`fp8.py`的`Fp8OnlineLinearMethod`对齐，MoE部分应考虑注册到kernel oracle而非直接绑定。此外，测试覆盖不足是主要短板，未来迭代应优先补充。综合来看，该PR适合需要探索新型量化的工程师精读，但生产环境中应谨慎启用。

使NIXL EP后端正确使用batched-expert激活格式和路由表

建议精读，该PR展示了通过属性抽象消除重复条件、提升可维护性的良好实践。值得关注的是`needs_round_robin_routing_tables`与`use_batched_activation_format`的语义分离决策，以及review中关于shared_experts条件可简化的洞见。

支持多 KV 组查找，移除单组限制

建议关注此 PR 的设计模式：如何逐步移除单组限制并引入循环。核心变更集中在单一文件，逻辑清晰，但缺少测试覆盖。后续系列 PR 需要密切配合验证。建议在合并前补充集成测试。