vllm-project/vllm

重构MoE零专家处理逻辑，将ZeroExpertFusedMoE功能移至新框架。

建议精读此PR，关注ZeroExpertRouter的设计（如路由与零专家计算结合）和MoERunnerBase的扩展（_maybe_add_zero_expert_output方法），这些决策体现了模块化架构思想，对理解vLLM的MoE实现和未来重构有重要参考价值。

将GPT OSS Triton MOE内核文件移至experts子目录，统一代码结构。

建议开发者关注此变更以了解代码结构演进，特别是 MoE 相关模块；对于维护者，这是一个良好的代码清理示例，值得学习以保持代码库一致性。

为Mamba模型添加FlashInfer selective_state_update内核支持，提供运行时后端调度。

该PR值得精读，重点关注调度器设计如何平衡灵活性与性能、配置集成的模式选择，以及测试覆盖对稳定性的保障。

更新多KV连接器边缘情况测试，适配PrefillStats严格统计变更。

该PR是必要的测试维护，值得快速浏览以理解PrefillStats统计变更对测试的影响。关注点在于KV连接器场景下令牌来源统计的归属逻辑变化，这对于调试相关指标异常有参考价值。

通过权重填充支持TRTLLM NVFP4 MoE内核处理非512对齐的隐藏维度，提升兼容性。

该PR值得精读，重点关注`align_trtllm_fp4_moe_hidden_dim_for_fi`函数的填充设计和性能权衡，以及配置管理如何避免形状不匹配。对于涉及MoE或量化开发的工程师，此变更展示了内核兼容性扩展的典型方法。

为FP8 KV缓存未启用预填充查询量化时添加启动警告，提升用户可发现性。

该PR值得快速浏览，重点关注`determine_prefill_query_data_type()`函数中的条件判断逻辑和日志设计。它展示了如何在保持向后兼容的前提下，通过日志提升功能可发现性的典型模式。对于涉及性能调优的开发者，可参考其如何平衡短序列与长上下文的默认行为。

引入跨TP工作者共享的mmap内存区域，实现KV卸载的统一布局，提升跨实例兼容性。

该PR值得精读，特别是关注SharedOffloadRegion的设计如何协调多工作者内存映射，以及compute_sub_block_ptrs的向量化优化如何支持非连续布局。建议团队学习其错误处理和性能权衡的讨论，以应用于类似共享资源场景。

修复ROCm平台AiterFlashAttentionImpl中attn_type检查与后端不一致的问题，防止跨注意力错误计算。

该PR值得快速浏览，重点关注attn_type检查的逻辑对齐和错误信息的改进。对于关注ROCm平台注意力后端实现的开发者，这是一个重要的防御性修复，展示了后端契约与实现类保持一致的重要性。