PR 标题及描述明确为移除死代码（Remove multiple dead code），旨在清理项目中不再使用但仍保留的函数、类和枚举，减少代码体积与后续维护负担。
这是一次标准且安全的死代码清理，值得合入。建议团队定期运行此类清理，并配合扫码工具（如 vulture）自动检测未使用代码。
该 PR 未产生实质性人工 review 讨论。两位审核者 tlrmchlsmth 和 mgoin 均直接批准（APPROVED），无异议。
按模块划分：
int8_utils.py 中删除了 apply_w8a8_block_int8_linear 和 input_to_int8 两个函数，它们分别用于 block-wise INT8 线性层前向和 tensor-wise 量化；在 marlin_utils.py 中删除了 apply_awq_marlin_linear，该函数是 AWQ-Marlin 融合线性前向的入口；在 machete_utils.py 中删除了 query_machete_supported_act_types，该函数仅返回 [torch.float16, torch.bfloat16]，已无调用者。flashinfer_utils.py 中删除了 FlashinferMoeBackend 枚举类（定义 CUTLASS、TENSORRT_LLM、CUTEDSL 三种后端）和 is_flashinfer_supporting_global_sf 辅助函数，同时移除不再需要的 from enum import Enum 导入。config_manager.py 中删除了 ConfigSet.has_config 方法和 ConfigManager.config_exists 方法，前者检查 ConfigSet 内指定平台和键是否存在，后者通过文件读取检查磁盘配置；这些查询逻辑已不被使用。layernorm_guard.py 中删除了 LayerNormGated 类及其全部方法（__init__、reset_parameters、forward），该类实现带门控的归一化，但当前项目已改用 RMSNormGated。CMakeLists.txt 中删除了 1 行无意义的注释或空行。所有删除均未引入新的代码，且仓库全局搜索确认这些符号无任何引用，属于安全的死代码清理。
| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
vllm/model_executor/layers/quantization/utils/int8_utils.py |
量化工具 | modified | 6.57 |
vllm/model_executor/layers/quantization/utils/marlin_utils.py |
量化工具 | modified | 6.55 |
vllm/model_executor/layers/quantization/utils/flashinfer_utils.py |
量化工具 | modified | 5.98 |
vllm/kernels/helion/config_manager.py |
Helion 配置 | modified | 5.77 |
vllm/model_executor/layers/fla/ops/layernorm_guard.py |
归一化层 | modified | 5.5 |
vllm/model_executor/layers/quantization/utils/machete_utils.py |
量化工具 | modified | 4.48 |
CMakeLists.txt |
构建脚本 | modified | 0.78 |
vllm/model_executor/layers/quantization/utils/int8_utils.py
data-contract
删除了两个量化函数 `apply_w8a8_block_int8_linear` 和 `input_to_int8`，共 37 行，是该 PR 中单文件删除量最大的文件。
# 以下两个函数被删除，因为它们在仓库中已无任何调用者
def apply_w8a8_block_int8_linear(
input: torch.Tensor,
weight: torch.Tensor,
block_size: list[int],
weight_scale: torch.Tensor,
input_scale: torch.Tensor | None = None,
bias: torch.Tensor | None = None,
) -> torch.Tensor:
# assert input_scale is None
# 将输入视为 2D 矩阵
input_2d = input.view(-1, input.shape[-1])
output_shape = [*input.shape[:-1], weight.shape[0]]
# 对每个 token 组进行 INT8 量化
q_input, x_scale = per_token_group_quant_int8(input_2d, block_size[1])
# 执行 W8A8 块量化矩阵乘法
output = w8a8_block_int8_matmul(
q_input, weight, x_scale, weight_scale, block_size, output_dtype=input.dtype
)
if bias is not None:
output = output + bias
return output.to(dtype=input.dtype).view(*output_shape)
def input_to_int8(
x: torch.Tensor, dtype: torch.dtype = torch.int8
) -> tuple[torch.Tensor, torch.Tensor]:
"""对输入进行 tensor 级别 INT8 量化，返回量化后的 tensor 和 scale。"""
iinfo = torch.iinfo(dtype)
min_val, max_val = x.aminmax()
amax = torch.maximum(min_val.abs(), max_val.abs()).clamp(min=1e-12)
int8_min, int8_max = iinfo.min, iinfo.max
scale = int8_max / amax
x_scl_sat = (x * scale).clamp(min=int8_min, max=int8_max)
return x_scl_sat.to(dtype).contiguous(), scale.float().reciprocal()
当前评论区没有形成足够清晰的争议点或结论，后续有更多讨论时会体现在这里。
风险极低。被删除的每个函数/类均在全仓库范围无引用，不存在调用路径。删除后不会影响任何现有功能。但建议将本次删除与后续可能的 quantization 重构或 Helion 配置升级保持同步，避免因代码丢弃导致未来需要时重新实现。
对用户无任何行为性影响。对开发团队而言，代码库体积减小 186 行，减少了不必要的依赖关系和阅读障碍。对系统性能无影响。
当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。
参与讨论