vllm-project/vllm

添加Helion kernel对torch.compile的支持，通过Dynamo变量追踪器实现无缝集成。

建议开发者和架构师精读此PR，特别是`vllm/kernels/helion/register.py`中的变量追踪器注册逻辑和初始化逻辑的调整。关注如何通过将初始化移到追踪区域外来解决Dynamo可追踪性问题，以及自定义HelionKernelWrapperVariable的设计决策，这对于理解PyTorch编译集成有参考价值。

移除KV连接器和模型运行器中的死代码，清理代码库。

该PR值得快速浏览以了解哪些代码被移除，但无需深入精读。工程师可关注删除的具体函数，以避免在未来开发中引入类似死代码。

修复DeepEP后端DBO重叠问题，通过调整事件捕获顺序提升约30%吞吐量。

建议精读此PR，特别是对于关注性能优化和异步编程的工程师。值得关注的设计决策是如何通过调整事件顺序来最大化重叠，避免不必要的依赖。

迁移未量化MoE（BF16）代码到模块化内核流程，统一FlashInfer TRTLLM和非monolithic后端实现。

建议技术管理者和工程师精读此PR，重点关注： 1. 后端选择oracle的设计，如优先级回退模式和平台感知逻辑，这在多加速器环境中具有借鉴价值。 2. 模块化内核模式如何统一不同量化方案（BF16、FP8、NvFP4），体现了代码抽象和可扩展性设计。 3. 讨论中的设计权衡，如TPU/OOT早期退出、shared_experts处理，以及如何平衡重构范围与稳定性。

修复TRTLLM ragged MLA预填充的数值问题，通过修改merge_attn_states处理无上下文tokens。

建议技术管理者和工程师精读此PR，重点关注：1) `merge_attn_states`内核的修改如何优雅处理无上下文tokens，避免数值问题。2) review中讨论的安全和正确性风险，特别是`torch.empty`的使用场景和参数验证。3) 性能优化技巧，如使用CPU端tensor避免同步开销。

同步上游FLA内核BT计算修复，固定BT=chunk_size，简化预热循环为单次传递，减少预热时间。

建议技术管理者和工程师精读此PR，关注FLA内核BT计算的固定化设计，以及如何通过减少自动调优变种来优化预热性能。设计决策中，常量的添加和上游同步值得借鉴，可作为性能优化和代码清理的案例。

重构Attention Quant Fusion Pass以减少样板代码，为未来fusion passes提供清晰基础。

建议工程师精读此PR，特别关注`VllmPatternReplacement`和`VllmFusionPatternMatcherPass`的设计决策，理解如何减少样板代码并处理缓存问题。对于从事编译优化或量化开发的团队成员，这是一个值得借鉴的重构案例。

修复 CI 测试依赖安装时的依赖死锁

值得精读：展示了如何处理 Python 依赖死锁的最佳实践，包括识别自动生成文件的陷阱并修改上游生成命令而非手动编辑。对于参与构建/CI 的工程师有参考价值。