vllm-project/vllm

修复 XPU 平台在 torch.compile 模式下 all_reduce 返回全零的精度问题。

该 PR 值得精读，因为它揭示了 torch.compile 在优化 in-place 操作时可能导致的隐蔽精度问题，并展示了通过 out-of-place 操作规避编译器优化的实用技巧。关注点：条件克隆的逻辑设计（`torch.compiler.is_compiling()`）和类型提示的添加如何提升代码健壮性。

通过优化测试用例生成逻辑，大幅缩短 Marlin MoE 融合内核测试的执行时间。

该 PR 是典型的测试优化案例，值得负责 CI 效率和 MoE 内核开发的工程师精读。重点关注其如何通过定义代表性场景来替代穷举组合，以及如何根据生产代码逻辑修正测试过滤条件。这为其他耗时长的参数化测试提供了优化思路。同时，应审阅 `MARLIN_MOE_SCENARIOS` 列表的完备性，确保关键维度（如各种量化格式、专家数量、并行配置）已被覆盖。

为 XPU 平台添加 fp8_gemm 的假实现以支持 torch.compile。

此 PR 值得关注其假实现的设计模式，但需注意形状处理可能存在的风险。建议阅读 `vllm/_xpu_ops.py` 文件，了解如何为自定义算子注册假实现以支持 torch.compile。

删除两个过时测试函数以清理测试套件。

该PR值得简单审查以确认测试确实过时；建议关注是否有替代测试或相关功能仍需验证，避免回归风险。

为SM100 Blackwell设备添加MXFP4 W4A4 CUTLASS MoE内核，支持量化激活与权重的高效推理。

该PR值得核心内核和框架工程师精读，以理解MXFP4量化方案在MoE中的实现细节。重点关注`cutlass_moe.py`中的`run_cutlass_moe_mxfp4`函数如何协调量化、计算与尺度处理，以及`compressed_tensors_moe_w4a4_mxfp4.py`中的后端自动选择设计，这些决策对系统扩展性和性能优化有重要影响。

强制禁用 Helion HOP 路径以规避性能回归问题。

该 PR 值得快速浏览，重点关注其作为临时性能规避措施的设计决策。虽然变更简单，但揭示了团队在遇到性能回归时的应急处理模式：通过硬编码开关快速禁用问题路径，而非立即深入修复。建议关注后续相关 PR 以了解性能回归的根本修复。

修复 ROCm 平台上 TurboQuant 的后端路由、flash-attn 兼容性和 int64 溢出问题。

该 PR 值得精读，特别是如何通过最小化代码变更解决平台特定 API 不兼容性，以及后端路由的设计决策。关注 `turboquant_attn.py` 中的注意力逻辑调整和 `rocm.py` 中的路由实现，这些展示了跨平台适配的实用技巧。

更新ROCm平台DeepEP版本并调整CI测试配置，修复gfx942/gfx950编译问题。

此PR主要涉及基础设施更新，对于关注ROCm平台或CI/CD流程的工程师值得浏览，特别是Dockerfile中构建参数的用法和CI测试迁移的决策。对于核心模型推理或性能优化工程师，优先级较低。