vllm-project/vllm

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。

XPU 新增 torch 作为 FP8 linear backend 选项

这是一个小而清晰的平台扩展 PR，适合对 XPU 或 quantization 内核选择机制感兴趣的开发者精读。重点看 `TorchFP8ScaledMMLinearKernel.is_supported` 的平台门槛写法，以及 `_POSSIBLE_FP8_KERNELS` 的优先级注册方式；同时注意该 PR 没有新增单元测试，仅靠 CI 示例命令覆盖，后续可考虑补充针对平台判断与方案选择的单测。

修复 INC MXFP4 线性层缺 activation_quant_key，XPU 崩溃与 CUDA 静默回退

该 PR 值得精读，尤其能帮助理解内核选择器 activation_quant_key 契约：不同平台对 None 的容忍度差异可能造成硬崩溃或静默错误。建议在类似量化方案中显式传递激活量化 key，并在 CI 中增加跨平台（XPU/CUDA）的端到端验证，避免同类问题复发。

约束 Anthropic cache_salt 非空，修复间歇 500

值得快速阅读：一行源码修复 + 两层测试，展示了"校验时机决定错误码"的经典问题，以及如何用 OpenAPI schema 断言守护契约。可关注后续统一 cache_salt 约束的 follow-up。

CPU 后端跳过非编译模式 warm up，加速启动与测试

改动很小且逻辑清晰，可作为“按编译模式裁剪初始化开销”的参考实现。建议 CPU 后端开发者关注 `warming_up_model` 中基于 `CompilationMode` 的守卫写法；若后续出现“非编译但需要预热”的需求，需要在 `CompilationMode.NONE` 分支内补充对应的初始化。普通使用者无需精读。

修复 Mooncake 合并组 EAGLE 位传播，恢复外部前缀缓存命中

值得精读。核心看点是“避免镜像实现漂移”——直接复用核心 `SpecGroup` 并在合并组上传播 EAGLE 位，使外部存储与核心缓存协调器保持同一分组语义；测试的 store-to-lookup 往返设计（先按 store mask 填 exists 集，再走对外查找）也值得借鉴。合入前请重点复核 walrus 更改，并协调 #48361 的合入顺序；建议合入后用真实 DeepSeek-V4 MTP P/D 部署跑一次前缀命中率回归。

修复 Llama70B TP4 基准静默跑成 TP1

值得快速浏览而非精读：它是一行配置修复，但对性能基准数据的可信度有直接影响，适合负责性能监控与 CI 基准的工程师关注。核心启示是 merge_serving_tests_stream 的 defaults 合并语义——缺省字段静默继承——是配置“看起来对、实际错”的温床；建议顺手审计同文件其他条目，并在 run-performance-benchmarks.sh 侧增加合并后字段完整性断言，把这类问题从“人工发现”变成“自动拦截”。