vllm-project/vllm

更新FP8在线量化文档，移除内存警告。

此 PR 不值得深入阅读，除非关注 FP8 量化文档更新。管理者可快速批准此类维护性变更。

为ViT编码器添加完整CUDA图支持，减少内核启动开销，提升多模态推理性能。

该PR值得精读，特别是`SupportsEncoderCudaGraph`协议的设计，展示了如何抽象模型特定逻辑以实现通用优化。关注`EncoderCudaGraphManager`中的贪婪装箱算法（减少图数量）和数据并行支持（负载均衡），这些设计决策对性能优化有重要借鉴意义。

更新 Qwen3.5 LoRA 测试，修复文件名 typo 并扩展视觉语言测试覆盖。

该 PR 值得精读，尤其关注测试设计决策，如多模态测试的集成方式和夹具重构。建议工程师在合并后验证 fully_sharded_loras 测试覆盖情况，以确保 LoRA 功能完整性。

将工具解析器单元测试移动至 tests/tool_parsers 目录，分离单元测试与集成测试。

建议工程师快速浏览此 PR 以了解测试目录结构调整，但无需深入分析代码逻辑。重点关注 test_granite4_tool_parser.py 中流式测试的潜在问题，可在后续 PR 中修复。

bge-m3 插件统一使用 `embed&token_classify` 任务处理所有 pooling 请求，简化代码并弃用多任务支持。

此 PR 值得精读，展示了如何在服务限制下重构插件逻辑，学习设计权衡和简化策略，对于工程师理解多任务弃用背景有价值。

修复 AudioFlamingo3 和 MusicFlamingo 模型实现，对齐 Hugging Face 参考行为并支持 RoTE 处理。

建议技术管理者和工程师精读此 PR，重点关注 MusicFlamingo 独立实现的设计决策（如 RoTE 集成和 prompt 扩展机制），以及如何通过测试确保 HF 对等性。同时，关注风险分析中提及的兼容性问题，评估 transformers 版本升级计划。

启用 Model Runner V2 的 pipeline parallelism CUDA 图测试。

对于大多数工程师，此 PR 不值得精读，除非关注 CI 配置、测试策略或 Model Runner V2 的演进。管理者可关注测试启用的时机和背后的依赖 PR #35162，以了解更大功能线。

为V2模型runner的流水线并行添加piecewise CUDA graph支持，显著提升推理性能。

此PR值得精读，特别是对于从事CUDA graph优化或流水线并行开发的工程师。关注以下设计决策： - 如何通过持久缓冲管理中间张量以支持图形重放。 - `num_reqs`调整作为临时解决方案的权衡。 - PP-aware的图形捕获实现细节，可作为处理分布式场景的范例。