vllm-project/vllm

合并2D/3D注意力内核，提取共享辅助函数

建议精读此PR，特别是提取共享函数和使用constexpr条件编译的模式，这对其他Triton内核的维护具有参考价值。

引入Humming JIT量化内核，支持多种量化格式

该PR是一次有意义的实验性集成，展示了将外部量化库引入vLLM的可行路径。对于阅读者，建议关注：①如何在`linear.py`中支持padding和float pack_factor；②Humming惰性导入的模式；③通过环境变量传递复杂JSON配置的方式。 但应关注review中遗留的设计问题：在线量化应尽量与`fp8.py`的`Fp8OnlineLinearMethod`对齐，MoE部分应考虑注册到kernel oracle而非直接绑定。此外，测试覆盖不足是主要短板，未来迭代应优先补充。综合来看，该PR适合需要探索新型量化的工程师精读，但生产环境中应谨慎启用。

使NIXL EP后端正确使用batched-expert激活格式和路由表

建议精读，该PR展示了通过属性抽象消除重复条件、提升可维护性的良好实践。值得关注的是`needs_round_robin_routing_tables`与`use_batched_activation_format`的语义分离决策，以及review中关于shared_experts条件可简化的洞见。

支持多 KV 组查找，移除单组限制

建议关注此 PR 的设计模式：如何逐步移除单组限制并引入循环。核心变更集中在单一文件，逻辑清晰，但缺少测试覆盖。后续系列 PR 需要密切配合验证。建议在合并前补充集成测试。

修复 MoE 路由输出未截断导致张量形状不匹配

PR 改动小但重要，修复了一个影响 NVFP4 量化模型的回归。建议快速合入。对于 MoE runner 的维护者，建议后续添加对填充场景的单元测试，覆盖 `_maybe_pad_hidden_states` 不同填充量的情况。

为 MiMo V2 Flash 引入 DiffKV 注意力后端并支持 sink FA4 自动升级

建议读者关注后续是否对全局状态进行重构（如动态子类或 per-layer 参数），以及是否补充单元测试覆盖 diff-KV 后端和 FA 版本选择逻辑。该 PR 的设计权衡（全局 vs 隔离）值得思考。

修复 Mistral 工具解析器在 HF tokenizer 下的 JSON 解析错误

建议仔细阅读 `_is_pre_v11_tokeniser` 函数的修改和缓存策略的设计。由于缺少自动化测试，可以考虑后续补充针对 HF tokenizer 场景的测试用例，以巩固修复效果。

统一CUDA版本至13.0.2以对齐PyTorch 2.11.0

该PR值得合并，因为它统一了版本漂移，提高了构建系统的一致性。建议阅读者关注以下细节： - 在review中关于架构列表`12.1`的讨论，理解了vllm对不同硬件架构的支持策略（GH10仅arm64）。 - cuBLAS版本的说明，了解当前CUDA 13.0.2附带的cuBLAS版本及其与最新版本的差异。 此PR是构建系统维护的良好实践，不涉及功能逻辑，适合快速合并。