vllm-project/vllm

修复 Helion kernel 测试输入中 scale_ub 退化问题

建议合并。这是一次小但有意义的测试修复，消除了测试中的 false positive，使后续 Helion kernel 的测试更加可靠。

修复 Quark MXFP4 模型 MTP 加载时权重形状不匹配

建议合并，修复了明确的加载错误。设计简洁，逻辑集中在 should_ignore_layer 中。后续建议增加单元测试覆盖 check_children 分支，并考虑在 exclude 配置中支持正则以更通用地解决此类问题。

为 Inkling 模型在 Hopper 上添加 FA4 score_mod 相对注意力路由

值得精读，尤其是 `_get_score_mod` 中通过 `cutlass.cute.jit` 在 score_mod 内实现相对偏置的设计模式，以及如何通过单一入口函数根据架构路由到不同 FA4 后端。这种模式可复用于其他模型的多架构适配。

将 flash_linear_attention 模块移至 third_party 目录

该 PR 是典型的模块级重构，设计决策简单，适合作为代码组织和依赖管理的参考案例。可关注 setup.py 中第三方包注册方式，为后续类似移动提供模板。

为 Inkling 模型添加分段 CUDA 图支持

建议相关开发者详细阅读 `cudagraph_utils.py` 中 capture 逻辑的变化，理解 breakable 图与完整图在 metadata 管理上的差异。测试函数 `test_piecewise_capture_builds_fresh_metadata_for_both_passes` 展示了关键行为，值得学习。整体设计采用条件分支模式，可复用于未来其他需要 breakable CUDA 图的模型。由于改动涉及 CUDA 图管理核心，合并后建议密切监控相关模型（尤其是 Inkling）的性能和正确性。

拆分层级查找延迟为同步/异步直方图

值得精读，尤其是同步/异步延迟拆分设计、观察时机的决策（allocation vs finish）如何与调度器生命周期对齐。团队其他成员可参考相同模式在其他模块应用。

延迟导入 aiter 避免 ROCm HIP 初始化导致 fork/spawn 问题

建议合并此 PR。它修复了明确的 bug，设计决策合理（延迟导入以避免副作用），且通过了 reviewer 的审核。值得其他可能需要避免启动时初始化 GPU 的模块借鉴。

修复 humming 量化跳过层的正则匹配 bug

建议合入。这是一个明确的 bug 修复，有充分的测试覆盖，并已获得批准。值得学习的是处理类似配置格式时的向后兼容性设计。