vllm-project/vllm

修复多模态 warmup 在纯文本模式下仍运行的 bug，避免不必要开销。

建议技术管理者和工程师精读此 PR，重点关注： - `vllm/renderers/base.py` 中 `warmup` 方法的过滤逻辑，展示了如何优雅处理配置边界情况。 - 测试文件的设计，使用 Mock 对象隔离依赖，确保单元测试的可靠性和可维护性。 - 通过简单代码变更解决实际问题，体现了优化思维。

移除 ROCm 依赖文件中的 git+ URL 包，修复 uv pip 安装失败问题。

该 PR 值得快速浏览，重点关注其如何解决工具链兼容性问题，以及 Dockerfile 中新增的防护逻辑。设计决策上，选择完全移除 git 依赖而非寻找替代方案，反映了对 uv pip 生态的适配优先级。

默认启用CUDA图内存分析并调整GPU内存利用率默认值至0.92。

建议技术管理者关注此变更对生产环境内存使用的影响，工程师可精读 `gpu_worker.py` 中的日志逻辑调整，理解CUDA图内存分析的工作原理和配置调整的意义。

新增 MoE 层 blocked fp8 量化测试，并优化并行配置验证逻辑。

建议关注 `BACKEND_EP_DP_TP_SUPPORT` 映射的设计，这是测试并行配置验证的核心；同时，`is_valid_config` 函数中的逻辑改进和错误消息修正值得精读，以了解测试健壮性的提升。此外，`fp8_blocked` 量化的测试扩展为未来量化方法支持提供了范例。

移除SharedFusedMoE冗余类，用FusedMoE统一MoE架构。

值得精读以了解MoE重构的设计方向，重点关注is_moe_layer函数的实现细节和类型统一策略，这体现了处理循环依赖的实用技巧。

移除多个Qwen模型和引擎类中未使用的缓存与哈希参数。

该PR是一个简单的清理重构，不值得精读。工程师可以快速浏览以了解哪些未使用参数被移除，但无需深入分析设计决策。关注点在于确认这些参数确实未被使用，以避免未来类似冗余。

优化批次不变性融合RMSNorm路径，移除冗余Triton内核调用，提升端到端延迟2.1%。

该PR值得精读，尤其是对于关注内核性能优化和批次不变性设计的工程师。重点关注 `layernorm.py` 中控制流的简化决策，以及新增测试如何严谨地验证“批次不变性”这一核心属性。同时，可以思考这种“移除冗余条件分支，依赖底层算子契约”的优化模式是否可应用于代码库的其他类似场景。

修复nvfp4 MoE量化内核中专家数非4/16倍数时的越界读取问题。

该PR值得精读，尤其是对于从事GPU内核开发和MoE优化的工程师。关注点：1）向量化路径的对齐要求如何影响内核选择设计；2）防御性编程在罕见边界情况下的价值；3）现有测试未能捕获内存错误的原因及改进方向。