vllm-project/vllm

修复XPU平台编码器注意力中量化查询输入不支持的问题，将q_descale参数设为None。

该PR值得快速浏览，以了解XPU平台量化支持的限制及修复方式；关注`supports_quant_query_input`标志的使用，这可能在其他注意力后端中也有类似模式。

修复NemotronH Nano VL模型量化配置中路径映射缺失导致的运行时查找失败。

该PR值得快速浏览，以了解vLLM如何处理量化配置与权重命名的对齐问题。关注`WeightsMapper`在模型类中的使用模式，这对于支持外部量化工具生成的模型有参考价值。

修复PiecewiseBackend中空sym_shape_indices处理导致的IndexError。

值得精读，关注如何通过条件分支和assert处理空`sym_shape_indices`的设计决策，这对于理解编译后端中动态与静态形状的切换机制有参考价值。

为XPU平台添加MXFP4量化算子支持，扩展低精度推理能力。

建议关注此PR作为XPU平台量化支持扩展的示例，但需注意其输入维度限制和fake实现不完整的问题。对于后续开发，应参考review建议将算子泛化为N-D支持并强化错误检查。

为FinishedRequestStats添加request_id字段，支持指标与请求关联。

该PR值得精读，因为它展示了如何在vLLM中扩展指标系统以支持可观测性需求。关注点包括： 1. 设计决策：选择`external_req_id`而非内部ID，体现了与现有架构一致性的考量。 2. 接口演化：讨论中关于`StatLoggerBase`稳定性的担忧，是评估类似变更长期维护成本的好案例。 3. 实现简洁性：变更集中在三个文件，逻辑清晰，适合学习如何最小化地添加功能字段。

为CPU平台添加W4A16量化支持，扩展AutoRound格式模型在vLLM中的推理能力。

该PR值得精读，特别是对于关注vLLM量化系统扩展和跨平台支持的开发者。值得关注的设计决策包括：1) 通过复用现有`apply_gptq_quant_layer`来实现CPU W4A16支持，避免了重复实现内核逻辑；2) 在`get_quant_method`中清晰的分层路由逻辑（先平台，后格式），这体现了模块化的设计思路。

修复MiniCPM模型在线FP8量化时重采样器设备移动过早导致的元张量错误。

该PR值得精读，特别是对于处理多模态模型设备初始化和量化支持的工程师。关注的设计决策包括：延迟设备移动以避免元张量错误、明确分离设备移动和数据类型设置以支持FP8量化、以及通过标志位管理状态来确保幂等性。这些模式在类似模型初始化场景中具有借鉴价值。

移除KV卸载事件中的块大小字段，简化事件系统并为可变块大小分组铺路。

推荐工程师精读此PR，重点关注事件数据结构的简化设计，以及如何通过移除冗余字段提升系统扩展性；同时留意讨论中关于 `block_size` 硬编码的权衡，以便在类似场景中做出合理决策。