执行摘要

• 一句话：Step3Text 权重加载改用 AutoWeightsLoader
• 推荐动作：建议合并。该 PR 是 #15697 标准化工作的一部分，结构清晰，作者已验证编译和导入。CI 通过后即可合并。阅读者可关注 AutoWeightsLoader 在 PP 下的行为以及该模式如何简化模型加载代码。

功能与动机

关联 issue #15697 要求所有语言模型使用 AutoWeightsLoader 标准化权重加载，以方便复合模型复用骨干加载逻辑。PR body 指出当前 Step3Text 的权重加载未遵循此模式，通过重构对齐其余模型。

实现拆解

1. 将现有的 load_weights 方法从 Step3TextForCausalLM 类整体移至 Step3TextModel 类，保持内部逻辑不变（包括 QKV 映射和权重加载循环）。
2. 在 Step3TextForCausalLM.load_weights 中新建一个轻量实现，仅通过 AutoWeightsLoader(self).load_weights(weights) 委托给子模块，由 AutoWeightsLoader 递归调用子模块的 load_weights。
3. 调整导入，新增 AutoWeightsLoader 导入项，移除不再需要的 default_weight_loader 导入（因委托后不再直接使用）。
4. Step3TextForCausalLM 类定义在文件中后移（为满足引用顺序），成员方法 __init__, embed_input_ids, forward, compute_logits 保持不变。
5. 无测试文件修改，但 CI 中包含 GPU 初始化测试验证。

关键文件：

• vllm/model_executor/models/step3_text.py（模块 模型加载；类别 source；类型 core-logic；符号 Step3TextModel.load_weights, Step3TextForCausalLM.load_weights, AutoWeightsLoader）: 唯一修改的文件，将权重加载逻辑移至骨干类并委托 AutoWeightsLoader。

关键符号：Step3TextModel.load_weights, Step3TextForCausalLM.load_weights

关键源码片段

vllm/model_executor/models/step3_text.py

唯一修改的文件，将权重加载逻辑移至骨干类并委托 AutoWeightsLoader。

# Step3TextModel.load_weights 从原 ForCausalLM 迁移至此
def load_weights(self, weights: Iterable[tuple[str, torch.Tensor]]) -> set[str]:
    # 内部加载逻辑（qkv 映射、stacked 映射、权重循环）保持不变
    ...
​
# Step3TextForCausalLM.load_weights 通过 AutoWeightsLoader 委托
def load_weights(self, weights: Iterable[tuple[str, torch.Tensor]]) -> set[str]:
    loader = AutoWeightsLoader(self)
    return loader.load_weights(weights)

评论区精华

本 PR 无实质 review 讨论，机器人自动评论后，维护者 DarkLight1337 直接批准合并。仅有的评论来自自动代码审查 bot，无具体建议。

• 暂无高价值评论线程

风险与影响

• 风险：主要风险在于 Step3Text 模型的权重加载路径变更。由于是纯 Python 重构，不涉及底层 kernel，风险较低。但作者在 macOS 上无法运行 GPU 测试，未在本地执行完整的模型初始化测试，仅通过编译检查和导入验证。CI 将补全 GPU 测试，可能暴露兼容性问题。另外，AutoWeightsLoader 内部对 PP 缺失层的处理与原先手动处理一致，但需确认 PP 场景下的 lm_head 权重是否正确被跳过（PPMissingLayer 由 AutoWeightsLoader 自动处理）。当前 Step3TextForCausalLM 没有 tie_word_embeddings 逻辑，因此 lm_head.* 权重只在最后一个 PP rank 存在，AutoWeightsLoader 应能正确处理。风险等级低。
• 影响：影响仅限于 Step3Text 模型的权重加载模块，不涉及其他模型或推理路径。对用户透明：模型加载后行为不变；对开发者更友好，因为符合统一的 AutoWeightsLoader 模式，便于未来维护和复合模型集成。团队可继续按此模式迁移其他模型。
• 风险标记：仅单文件变更, GPU 测试在 CI 中覆盖, 纯 Python 变更

关联脉络

• PR #41448 [Model] Use AutoWeightsLoader for LongcatFlashForCausalLM: 与本 PR 采用完全相同的重构模式，将权重加载迁移至骨干类并委托 AutoWeightsLoader。