vllm-project/vllm

修复Transformers后端错误编译视觉编码器的问题，使编译行为与vLLM后端一致。

建议技术管理者和工程师精读此PR，重点关注`_decorate_for_torch_compile`方法的实现，理解动态装饰和类修改的设计权衡。对于涉及编译或多模态模型开发的团队，这是一个了解vLLM编译系统演进的好案例，值得关注其潜在风险和改进方向。

为 Triton 注意力后端引入 KV 缓存按令牌头 INT8/FP8 量化，动态计算尺度以降低内存占用并提升性能。

建议技术管理者和工程师精读此 PR，特别关注 `vllm/v1/kv_cache_interface.py` 中的 `KVQuantMode` 设计、Triton kernels 的动态尺度计算实现以及测试中的平台兼容性处理。设计决策如 per-token-head 量化和内联尺度存储值得借鉴，但需注意未来扩展其他后端时的适配成本。

融合 GDN 层的后卷积操作内核，提升 Qwen 模型推理性能。

建议技术管理者和工程师精读此 PR，关注内核融合的设计决策（如 Triton 内核的网格划分、内存布局优化）和性能权衡。特别留意 review 中讨论的数值稳定性问题，可作为未来内核开发的借鉴。

为ROCm gfx12x架构启用Triton FP8 MoE后端并添加R9700调优配置。

该PR清晰地解决了一个具体的平台支持缺口，并附带了详实的性能测试数据，值得负责ROCm支持、MoE模块或性能优化的工程师精读。关注点应包括：1) `on_gfx12x`检测逻辑的实现；2) 调优配置文件的参数模式，以了解如何为特定硬件定制Triton内核；3) 性能测试方法（TTFT、TPOT、E2E Latency）和精度验证方式，可作为类似工作的范本。

在CPU fused MoE内核中增加gelu激活函数支持，扩展CPU后端模型兼容性。

建议工程团队精读此PR，关注C++内核中erf计算的性能优化点，以及设计上如何统一激活函数映射模式；对于CPU优化和融合内核开发有参考价值。

回滚gpt-oss路由器GEMM内核以修复gpt-oss-120b模型的准确性问题。

建议技术管理者和工程师关注此PR以理解内核准确性问题的重要性，并审查GateLinear的简化调度逻辑。值得精读的文件包括vllm/model_executor/layers/fused_moe/router/gate_linear.py和vllm/model_executor/models/gpt_oss.py，以掌握MoE路由器的回退机制和模型调整。

将Helion内核get_gpu_name函数中的日志警告改为单次警告，避免多节点环境下的日志刷屏。

该PR变更简单直接，适合快速浏览以了解vLLM的日志最佳实践。虽然实现简单，但体现了对用户体验的细致关注，值得在涉及多节点日志处理的代码中参考。

修复ROCm运行时因缺失符号导致的导入错误，通过条件编译排除未支持的量化内核。

该PR是典型的平台兼容性修复，代码变更简洁明了。建议ROCm用户或维护者精读，以理解如何通过条件编译处理平台特定符号。对于非ROCm开发者，可快速浏览以了解`USE_ROCM`宏的使用模式。关注点在于条件编译的正确性和与#32996的关联。