vllm-project/vllm

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 的非 512 对齐 hidden dim

该 PR 设计清晰，将权重填充与激活切片解耦，实现了对非对齐 hidden dim 的支持。建议精读 `align_trtllm_fp4_moe_hidden_dim_for_fi` 和专家类的初始化变更，以理解如何在 MoE 框架中扩展形状约束。autotuning 返回值的修复也提示了类似陷阱。

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。

将TorchInductor缓存目录嵌套在AOT编译目录下，实现自包含缓存树。

该PR实现简洁，但涉及编译缓存的核心路径变更，建议相关开发者精读。特别关注环境变量设置的持久性需求与上下文管理器建议之间的权衡，以及目录创建错误处理的决策。

修复ROCm平台不支持gpt_oss_mxfp4量化方法的问题。

该PR变更简单直接，无需精读代码。值得关注的是PR作者提出的设计问题：平台级支持列表是否是最佳设计？这反映了vLLM中平台抽象和量化支持机制的潜在改进点。建议相关架构师关注此问题，考虑是否应重构为量化方法自声明支持平台。

移除调度器统计中未使用的编码器缓存使用率字段，清理无用代码。

该PR变更简单直接，适合快速浏览以了解代码清理决策。值得关注的是团队对未使用代码的处理原则：优先移除而非保留，强调指标应面向用户设计。