vllm-project/vllm

修复Qwen3.5模型中Triton autotuning缓存不匹配问题，消除推理时的autotuning延迟。

该PR值得精读，特别是对于关注Triton autotuning优化和dtype对齐的工程师。重点关注_warmup_prefill_kernels函数中的dtype匹配设计决策，以及如何通过测试验证性能改进，以应用于其他模型或内核优化场景。

修复Qwen3Next模型中A_log参数的精度问题，将其存储为fp32以匹配参考实现。

此PR值得快速浏览以了解精度对齐的决策过程和最小变更原则。对于工程师，关注review中关于dt_bias的讨论，可作为未来类似bugfix的参考案例。整体变更简单，无需深入代码细节，但建议跟进可能的dt_bias更新。

修复JAIS模型中ALiBi无条件应用导致的编码冲突。

对于vLLM开发者和模型工程师，此PR值得快速浏览以理解JAIS模型位置编码的配置逻辑，关注条件判断的实现。对于使用JAIS变体的用户，建议检查配置以确保正确性。由于变更简单，无需深入分析。

重构ROCm上AWQMarlinConfig以使用choose_mp_linear_kernel，显著提升AWQ模型性能。

该PR值得精读，尤其是AWQ到标准格式的转换逻辑和平台抽象设计，对于理解vLLM中量化内核框架的集成有参考价值。

更新FP8在线量化文档，移除内存警告。

此 PR 不值得深入阅读，除非关注 FP8 量化文档更新。管理者可快速批准此类维护性变更。

为ViT编码器添加完整CUDA图支持，减少内核启动开销，提升多模态推理性能。

该PR值得精读，特别是`SupportsEncoderCudaGraph`协议的设计，展示了如何抽象模型特定逻辑以实现通用优化。关注`EncoderCudaGraphManager`中的贪婪装箱算法（减少图数量）和数据并行支持（负载均衡），这些设计决策对性能优化有重要借鉴意义。

更新 Qwen3.5 LoRA 测试，修复文件名 typo 并扩展视觉语言测试覆盖。

该 PR 值得精读，尤其关注测试设计决策，如多模态测试的集成方式和夹具重构。建议工程师在合并后验证 fully_sharded_loras 测试覆盖情况，以确保 LoRA 功能完整性。

将工具解析器单元测试移动至 tests/tool_parsers 目录，分离单元测试与集成测试。

建议工程师快速浏览此 PR 以了解测试目录结构调整，但无需深入分析代码逻辑。重点关注 test_granite4_tool_parser.py 中流式测试的潜在问题，可在后续 PR 中修复。