vllm-project/vllm

CPU 内核调度重构，移除 SGL 实验开关并修复选择条件

值得精读，尤其适合 CPU 后端维护者和关注 kernel oracle 机制的人。可学习的点：① 用 vendored 内核源码逐条验证选择条件，而不是靠文档假设；② 把「不支持」的判断前置到 `is_supported_config`，避免加载期/运行期才崩溃；③ 实验性开关在 benchmark 无副作用且范围收窄后做默认化的完整决策流程。注意其遗留的形状门控问题可作为后续 PR 的切入点。

LatentMoERunner 移入 KimiK3 模型目录

本 PR 属于纯代码移动，值得快速浏览以了解 vLLM 中模型特定 MoE 运行器的组织策略。它没有引入新逻辑，但展示了如何通过调整目录结构增强内聚。建议关注是否有遗漏的旧路径引用，并确认没有其他模块依赖该文件的通用性。

修复 serving 基准配置 JSON 并加校验 hook

该 PR 值得快速阅读，是一个典型的 CI 防御性改进案例。重点在于：pre-commit hook 的作用域设计（`files` 正则限定目录）以及将 `rev` 固定为 commit hash 的做法，对于其他类似配置校验场景有参考价值。

多模态占位符与 token 匹配扫描提速，E2E 阶段提升达 8-12 倍

值得精读。三个看点：(1) `_find_matches` 的 `id(target)` 身份缓存是 vLLM 热路径中“共享静态对象 + 免重扫描”的可复用模式，注释中对前提条件的显式说明值得作为范例；(2) 评审中“可读性 vs 收益”的交锋与 ablation 驱动的删减决定，是热路径优化权衡的好案例；(3) 差分模糊测试 + 变异测试校验 oracle 的验证方法论，对声称“输出一致”的重构/优化类 PR 很有参考价值。若只想快速了解结论，阅读 `get_first_match` 与 `_iter_placeholders` 两个符号即可。

DeepStream 归类为 GPU 后端，补像素限制封堵请求绕过

值得精读。这是一份'小改动、大影响'的安全修复：3 个文件、35 行新增即闭合了请求级绕过 GPU 配置与像素限制的漏洞。核心看点有两个：一是 `register_gpu_codec` 与 `register` 装饰器并存的设计，如何在零依赖前提下扩展注册表语义；二是提交历史中 fail-closed 默认值与显式注册方案的往复，展示了安全默认值与向后兼容之间的真实权衡（最终选择显式注册以保护 pyav/torchcodec 等软件解码路径）。建议后续为 GPU codec 增加注册一致性断言，并补充 DeepStream 分支的集成测试（含可选依赖标记）。

K3 大批量 up-proj 改列并行分片，TTFT 降约 4%

值得精读，特别是 `_select_tail_tier` 的分层设计（按 token 数选择不同 collectives 与 kernel 策略）与 `_shard_up_proj_tail` 中把列并行分片 fold 进最终 all-reduce 的技巧。建议在合并后补充针对三档边界的单元测试，至少覆盖小批量/大批量切换与环境变量开关。

CPU 未量化 MoE 迁移到模块化内核专家结构

值得精读。这是 vLLM 将 CPU MoE 完全纳入 modular-kernel/oracle 体系的关键一步，其中三个设计决策尤其值得借鉴：一是路由参数在 `process_weights_after_loading` 中从 layer 捕获以弥补 monolithic `apply()` 签名限制；二是不支持的形状“报错并提示调参”而非静默回退；三是评审过程中通过补齐向量原语将 grouped gemm 扩展到所有 ISA、直接删除 torch 回退的取舍过程。建议同时关注其与并行 PR 的合并顺序。

cache_salt 非空约束改为 schema 内 min_length，并移除重复验证器

建议结合 #50764 一起阅读，理解从"运行时验证"到"schema 验证"的迁移动机。重点检查 pooling 协议是否应该补上 min_length，并确认 OpenAI 端点测试是否仍覆盖空字符串拒绝场景。值得学习的小型重构范式，但需要在合并前补齐遗漏。