vllm-project/vllm

清理推测解码、注意力内核和Ray执行器中的未使用死代码。

该PR是简单的清理工作，无需精读。对于关注代码质量的工程师，可快速浏览以了解哪些过时代码被移除，特别是MLP speculator中旧版V0方法的清理，反映了推测解码模块的演进。

移除推测解码中GDNAttentionMetadata.build的GPU/CPU同步，提升吞吐和首token延迟。

该PR值得精读，尤其对于关注性能优化和推测解码的工程师。关键设计决策是将掩码移至CPU以利用PyTorch的异步索引支持，这是一个典型的设备放置优化案例。建议关注变更如何保持功能一致性，以及output_size参数的作用。

为 Gemma 4 模型启用快速预填充优化，显著降低首字节延迟并提升吞吐量。

建议技术管理者和工程师精读此 PR，特别是关注 `Gemma4SelfDecoderLayers` 类的设计和快速预填充逻辑的实现。值得注意的设计决策包括条件化编译和 KV 共享元数据的使用，对于类似模型性能优化具有借鉴价值。

修复结构化输出FSM失败时请求挂起的bug，安全中止请求。

建议工程师阅读以了解FSM失败处理的设计决策，特别是resumable字段的重用和状态管理；关注调度器update_from_output方法的变更，这对理解结构化输出错误处理有价值。

添加Mistral语法工厂支持，启用结构化输出和工具调用的Lark语法生成。

建议精读此PR，特别是vllm/tool_parsers/mistral_tool_parser.py中的adjust_request方法设计和vllm/sampling_params.py中的验证逻辑，以了解如何平衡新特性与向后兼容。关注review中的设计权衡，如兼容性处理和错误消息改进，这对类似功能集成有借鉴意义。

为BharatGen的Param2MoE模型添加vLLM支持，实现GQA-based MoE架构集成。

建议技术管理者关注新模型架构的实现细节，特别是MoE层的处理；工程师可精读param2moe.py以学习AutoWeightsLoader的使用和权重映射逻辑。

为MiniMax-M2模型添加Eagle3推测解码支持，扩展模型功能。

建议技术管理者和工程师精读此PR，重点关注如何通过EagleModelMixin标准化集成推测解码支持的设计模式，以及从注册表错误中学习代码审查的重要性，这些对类似模型扩展有借鉴价值。

为ROCm平台Triton内核添加非对称INT8量化支持，解锁非对称INT8模型运行。

建议精读vllm/model_executor/kernels/linear/scaled_mm/triton.py文件，关注非对称量化处理逻辑和与Cutlass内核的对齐设计；对于ROCm平台开发者，此PR提供了关键量化支持，值得参考实现细节。