📋 docs: add changelog for 2026-02-05

Document today's changes:
- GQA buffer OOM fix (saves 16GB for 1M seq in offload mode)
- Tests directory cleanup (removed 16 files, -4306 lines)

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

CLAUDE.md

@@ -47,6 +47,7 @@ Nano-vLLM is a lightweight vLLM implementation (~1,200 lines) for fast offline L
 | [`docs/xattn_density_alignment_verification.md`](docs/xattn_density_alignment_verification.md) | ✅ VERIFIED: GPU-only vs Offload density 对齐验证 (32K 差异 0.37%, 64K 差异 0.09%) |
 | [`docs/test_ruler_usage_guide.md`](docs/test_ruler_usage_guide.md) | 📖 GUIDE: test_ruler.py 使用指南，RULER benchmark 测试命令，已验证的命令示例 |
 | [`docs/xattn_offload_profiling_32k.md`](docs/xattn_offload_profiling_32k.md) | 📊 PROFILE: XAttn vs Full 32K nsys 分析，estimate 占 41%，find_blocks 占 37%，compute 仅 21% |
+| [`docs/changelog_2026-02-05.md`](docs/changelog_2026-02-05.md) | 📋 CHANGELOG: GQA buffer OOM 修复 (节省 16GB)，tests 目录清理 (-4306 行) |
 
 ## Rules Index
 

docs/changelog_2026-02-05.md

@@ -0,0 +1,94 @@
+# Changelog 2026-02-05
+
+## Bug Fixes
+
+### XAttention Offload GQA Buffer OOM Fix
+
+**Issue**: `docs/issue_xattn_offload_gqa_buffer_oom.md`
+
+**Problem**: 在 XAttention BSA + CPU Offload 模式下，`alloc_policy_metadata()` 分配了只有 GPU-only 模式才需要的 GQA expansion buffers (`_k_expanded`, `_v_expanded`)，导致 24GB GPU (RTX 3090) 上 OOM。
+
+**Root Cause**:
+- GQA buffer 大小: `2 × num_heads × max_seq_len × head_dim × dtype_size`
+- 对于 1M max_seq_len: 2 × 32 × 1048576 × 128 × 2 = **16 GB**
+- Offload 模式的 `compute_chunked_prefill()` 不需要这些 buffer
+
+**Fix** (commit `11a867f`):
+1. `nanovllm/kvcache/sparse/policy.py`: 基类添加 `enable_cpu_offload` 参数
+2. `nanovllm/kvcache/sparse/xattn_bsa.py`: offload 模式跳过 GQA buffer 分配
+3. `nanovllm/engine/model_runner.py`: 传入 `enable_cpu_offload` 参数
+
+**Memory Savings**:
+| max_model_len | 修复前 | 修复后 |
+|---------------|--------|--------|
+| 72K | +1.1 GB | 0 GB |
+| 1M | +16 GB | 0 GB |
+
+**Verification**:
+```bash
+CUDA_VISIBLE_DEVICES=0 PYTHONPATH=/home/zijie/Code/nano-vllm:$PYTHONPATH \
+    python tests/test_ruler.py \
+    --model ~/models/Llama-3.1-8B-Instruct \
+    --data-dir tests/data/ruler_64k \
+    --datasets niah_single_1 \
+    --num-samples 1 \
+    --max-model-len 72000 \
+    --enable-offload \
+    --sparse-policy XATTN_BSA
+```
+- 日志显示: `[XAttn] Offload mode: skipping GQA expansion buffers`
+- 测试结果: 100% 准确率
+
+---
+
+## Code Cleanup
+
+### Tests Directory Cleanup
+
+**Commits**: `a709551`, `2b61c5a`, `d35dd76`
+
+删除了 16 个冗余/过时的测试文件，保留核心测试：
+
+**保留的文件** (4 个):
+| 文件 | 用途 |
+|------|------|
+| `test_ruler.py` | 核心 RULER benchmark (13 tasks, 100 samples) |
+| `test_xattn_estimate_alignment.py` | XAttn kernel 一致性验证 |
+| `utils.py` | 共享工具函数 |
+| `__init__.py` | 包标记 |
+
+**删除的文件** (16 个, -4306 行):
+
+| 类别 | 文件 | 删除原因 |
+|------|------|----------|
+| XAttn 测试 | `test_xattn_bsa.py` | 功能被 test_ruler 覆盖 |
+| | `test_xattn_chunked.py` | 与 estimate_chunked 重复 |
+| | `test_xattn_estimate_chunked.py` | chunked prefill 验证 |
+| | `test_xattn_kernels.py` | Triton kernel 单元测试 |
+| | `test_xattn_kv_chunking_batch.py` | batch 验证 |
+| Needle 测试 | `test_needle.py` | 被 test_ruler NIAH 任务覆盖 |
+| | `test_needle_ref.py` | HF 参考实现 |
+| CUDA Graph | `test_chunk_attention_graph.py` | 被 graph_reuse 取代 |
+| | `test_chunk_attention_graph_reuse.py` | 实验性功能 |
+| | `test_cudagraph_memory.py` | 内存分析工具 |
+| 其他 | `test_gpuonly_density_alignment.py` | GPU-only 密度测试 |
+| | `test_hierarchical_estimate.py` | 分层估计测试 |
+| | `test_quest_policy.py` | Quest 策略测试 |
+| | `test_sequential.py` | 状态隔离测试 |
+| | `bench_estimate_block_size.py` | 性能 benchmark |
+| | `modeling_qwen3.py` | Qwen3 参考模型 |
+
+**Note**: 所有删除的文件可从 git 历史恢复：
+```bash
+git checkout <commit-hash>^ -- tests/<filename>
+```
+
+---
+
+## Summary
+
+| 类型 | 数量 | 影响 |
+|------|------|------|
+| Bug Fix | 1 | 节省 16GB 显存 (1M seq) |
+| 文件删除 | 16 | -4306 行代码 |
+| 新增文档 | 1 | 本文件 |