vllm-project/vllm

修复 Qwen3.5 GDN 层在量化模型下因 MergedColumnParallelLinear 无 weight 属性而抛出的 AttributeError。

建议关注 Qwen 模型维护和量化支持的开发者精读此 PR，以了解 MergedColumnParallelLinear 在量化时的属性访问差异和形状计算调整。变更虽小，但揭示了量化层与标准线性层之间的重要设计权衡。

移除MoE层的'naive' all2all后端选项，并重命名相关属性。

建议精读此PR以了解MoE后端配置的演进，特别是属性重命名的设计决策，这有助于未来类似重构。关注`vllm/model_executor/layers/fused_moe/config.py`中的属性变更，以及配置验证中的fallback机制，可作为清理已弃用选项的参考范例。

重构DefaultMoERunner的forward方法，简化MoE模块代码结构。

推荐精读此PR，关注设计决策如模块化拆分、流同步处理和分派策略，这些为后续MoE优化奠定基础。

修复ROCm平台MoRI与AITER后端FP8量化分发不兼容的bug。

建议精读此PR，了解MoE架构中FP8量化处理的设计权衡，特别是如何通过条件化属性和异常移除实现后端兼容。关注AiterExperts.expects_unquantized_inputs的条件逻辑和MoriPrepareAndFinalize.prepare中的量化跳过机制。

扩展性能指标模块对 22 种量化方法的支持，修复量化模型 MFU 报告失败问题。

建议技术管理者和工程师精读此 PR，以了解如何处理量化配置解析的扩展性问题。重点关注 `_QUANT_WEIGHT_BYTE_SIZE` 字典的设计决策，它提供了一种集中管理量化方法属性的方式。此外，review 中的测试优化建议值得关注，可作为代码重构的参考。

为推测解码拒绝采样器添加贪婪采样支持，优化温度为零时的性能。

建议工程团队精读此PR，特别关注`_gather_draft_logits_and_target_argmax_kernel`和`_probabilistic_rejection_kernel`的设计，以及review中讨论的正确性问题。设计决策如本地argmax计算和贪婪路径隔离值得学习。

添加gpt-oss优化的Router GEMM kernel，提升低批次大小下的输出token吞吐量。

建议技术管理者和工程师精读此PR，重点关注以下设计决策： - GateLinear中多层GEMM调度的实现，如何平衡性能和通用性。 - 新kernel的错误处理和硬件兼容性检查，使用TORCH_CHECK替代assert。 - 与LoRA集成的扩展，通过GateLinearWithLoRA支持自定义路由。 这些决策展示了在优化性能时的权衡和最佳实践。

修复 GLM-4.7 工具调用解析正则表达式，规范化内容为 None 以符合 OpenAI API。

对于处理工具调用或 GLM 模型的工程师，建议精读正则表达式修改和内容规范化逻辑，以理解解析细节和 API 兼容性设计。同时，关注测试用例以掌握边界场景。