vllm-project/vllm

将Helion可选依赖从0.3.2升级到0.3.3，同步更新CI配置。

这是一个简单的依赖版本更新PR，无需深入阅读。对于关注AMD平台Helion内核开发的工程师，可以留意新版本可能带来的inductor融合功能改进。对于大多数开发者，只需知道依赖版本已更新即可。

修复因#38730更改API导致的TRT-LLM注意力测试mock失效问题。

该PR变更简单直接，无需精读。值得关注的是其中揭示的CI依赖管理问题（如#38792所提），这对测试稳定性和CI可靠性有借鉴意义。

更新Flash-Attention 4依赖至最新上游版本，修复已知问题。

该PR变更简单，无需精读，但值得关注其作为依赖更新的一部分，以确保CI测试通过且无回归。对于维护者，建议监控后续相关PR（如#36763的修复验证）以确认更新效果。

在ROCm CI中新增gpt-oss模型的w4a8量化配置测试。

该PR本身非常简单，不值得精读，但值得关注其作为GPT-Oss模型量化支持CI测试体系构建的起点。建议关注后续相关的PR（如#37128中提到的CK后端路由、Triton后端路由启用等），这些将涉及核心量化逻辑的修改。

重新启用GPU上的MaxSim计算以提升late-interaction scoring性能。

建议技术管理者和工程师精读此PR，重点关注GPU scoring的实现设计（flash_late_interaction方法）、CPU/GPU路径选择权衡以及review中修复的bug，以理解性能优化策略和前端架构演进。

修复Triton MLA在长上下文下性能下降问题，显著提升Deepseek和Kimi模型推理速度。

建议工程师精读此PR，学习Triton内核优化技巧（如缓存修饰符和内存访问模式）和动态资源分配策略；关注讨论中的设计决策，如分割计算启发式和CUDA图兼容性问题处理。

修复 batch invariance 在 Ampere GPU 上因 Triton matmul 未启用而失败的问题。

建议精读，以了解 batch invariance 机制中设备能力检查的设计决策，以及如何通过家族匹配扩展兼容性，适合关注核心路径优化和 GPU 支持的工程师。

新增Cheers多模态模型支持，扩展vLLM视觉语言模型库。

建议技术管理者和工程师精读此PR，以了解vLLM中多模态模型集成的标准模式，特别是如何处理VAE组件和配置继承。关注`cheers.py`中的模型结构设计，以及review中提到的代码清理最佳实践。