vllm-project/vllm

融合 mHC 后处理与前归一化 GEMM 内核，提升 DeepSeek-V4 推理性能

值得精读，尤其是 FMA 代替 tensor core 的融合策略和 TileLang 内核编写方法。review 中关于阈值和 UnboundLocalError 的讨论也值得关注，可作为代码审查的 checklist。

修复Molmo2图像令牌元数据与HF处理器不匹配

值得精读的设计决策：如何将HF处理器配置参数传递到vLLM的底层令牌生成函数，保持向后兼容的默认值。讨论中关于测试验证的方法（TDD, 回归测试确认）值得借鉴。

将各类 MoE 专家实现统一迁移至 fused_moe/experts/ 目录

该 PR 是典型的代码模块化重构案例，值得关注以下几点：1) 如何通过子目录组织不同的 expert 实现；2) 如何利用包入口（`__init__.py`）统一暴露符号，隐藏内部实现细节；3) 合并多个同主题 PR 的协作模式。建议架构师和需要扩展 MoE 相关功能的开发者精读。

使 safetensors 检查点预取参数可配置

值得精读，尤其是参数化设计模式和并发原语替换的讨论。建议后续补充单元测试和性能基准数据。

为 DeepSeek-V4 添加流水线并行支持

值得精读，展示了如何为复杂模型（含多流 hidden_states 和特殊注意力架构）添加 PP 支持，可作为其他模型 PP 集成的参考模板。

修复 causal_conv1d 超长序列 IMA 问题

值得 merge：改动简洁、针对性强，有完整的问题复现和性能验证。可参考此 PR 的模式，检查其他 Triton kernel 中是否也存在类似 int32 溢出风险。

统一 OffloadingManager 完整接口，为 touch/complete_load/complete_store 添加 ReqContext 参数

值得精读，尤其关注抽象基类接口演进方式：先为核心方法引入上下文参数，再逐步扩展到全部回调方法，保持渐进式兼容。此模式适合大型分布式系统的接口标准化。

修复 CPU 推测解码因 kernel 签名缺失崩溃

建议精读，这是一个展示如何通过最小签名变更加入兼容层以修复跨模块调用错误的优秀案例。对于维护 CPU 或扩展 spec decode 的开发者尤其值得关注。