vllm-project/vllm

拆分 V1 Others CI 作业为三个并行任务，优化测试执行时间。

该 PR 值得快速审查，重点关注配置的正确性和完整性。工程师应验证测试分割逻辑是否合理，确保所有原测试都被包含，并检查 mirror 配置。对于 CI 维护者，这是一个常规优化，可借鉴类似分拆策略。

在 envs.py 中注册 VLLM_BATCH_INVARIANT 环境变量，修复因未注册而导致的未知变量警告。

该 PR 值得快速浏览以了解 vLLM 环境变量注册机制；重点关注 `envs.py` 中的解析实现设计决策，以及从函数到变量的转变对代码结构的影响。对于维护者，建议监控后续是否有因解析问题引发的崩溃报告。

加强MoE专家设备支持检查，防止在未安装FlashInfer内核的平台崩溃。

该PR是一个重要的bugfix，值得精读以理解MoE专家选择机制和设备支持检查的实现。关注_supports_current_device()方法的修改和FlashInfer可用性检查的集成，以及typo修复的设计决策。

修复TRTLLM NVFP4 MoE路由核精度错误，从bfloat16改为float32以提高准确性。

此PR值得快速审阅，变更简单直接，是重要的bug修复。工程师可关注精度管理在量化模型中的设计决策，以及如何通过移除不必要的转换优化准确性。

移除Sparse24模型的压缩张量集成和内核代码，以减少维护负担和二进制大小。

该PR值得快速浏览以了解弃用策略，但无需深究技术细节。关注点在于`CompressedTensors24`类的错误抛出方式和review中的直接删除决策，这对类似功能清理有参考价值。

实现了零气泡异步调度和推测解码优化，提升推理性能约3%。

该PR值得精读，尤其是vllm/v1/worker/gpu_model_runner.py中的异步状态管理逻辑和update_num_computed_tokens_for_batch_change设计。关注点包括：乐观假设与延迟校正的权衡、GPU缓冲区优化以减少同步、以及review中讨论的代码简化路径，这些决策对高性能推理系统设计有重要参考价值。

在MRV2的GPU worker warmup中集成speculative decoding，确保正确初始化和性能。

对于负责GPU worker、speculative decoding或MRV2架构的工程师，值得简要阅读此PR以了解warmup过程的调整。设计决策简洁，主要学习点是避免代码重复和维护一致性，无需深入分析复杂逻辑。

拆分Entrypoints集成测试CI作业为三个并行作业，以缩短总运行时间。

对于CI维护者和测试工程师值得精读，了解如何优化测试作业拆分和并行化策略；一般开发者可快速浏览以确认无测试覆盖问题，但变更较机械，技术洞察有限。