vllm-project/vllm

为ROCm平台从源码构建fastsafetensors，修复HIP运行时库链接问题。

该PR主要涉及基础设施调整，对于关注ROCm平台兼容性或CI/CD流程的工程师值得一读。关键设计决策在于权衡使用git源码构建与PyPI预编译包的利弊，以及移除git依赖检查的合理性。

在XPU上跳过fp8e4b15格式，扩展TurboQuant测试到XPU平台。

建议阅读此PR以了解如何扩展平台抽象支持，特别是设备检测和格式选择的设计决策，适用于处理多平台兼容性场景。

为 MiMo-V2-Flash 模型添加推理和工具解析器映射，复用 Qwen3 实现。

该 PR 变更简单，适合快速浏览以了解模型支持扩展模式。值得关注的点是复用现有解析器的设计决策，这减少了代码重复，但需确保模型兼容性。

为 Gemma4 多模态模型添加 LoRA 支持，通过继承 SupportsLoRA 接口并调整模块映射。

建议技术管理者和工程师关注此 PR 以了解多模态模型 LoRA 集成的模式，特别是 `get_mm_mapping` 方法的动态调整。对于实现细节，`gemma4_mm.py` 文件是核心，值得精读以理解接口继承和模块映射的权衡。

修复 GLM 模型在 tool_choice 为 required 或命名函数时的工具调用解析问题，支持 XML 格式输出。

建议技术管理者关注 `supports_required_and_named` 标志的设计决策，它提供了优雅的回退机制。工程师应仔细阅读流式与非流式处理中的分支逻辑，以理解如何集成自定义解析器。此外，注意讨论中未解决的清理结构化输出问题，可能需要在后续 PR 中处理。

修复管道并行中chunked prefill与异步调度结合的卡死问题，提升吞吐量。

建议工程师精读此PR，重点关注管道并行与异步调度的交互设计，以及如何通过优雅跳过通信来优化性能。注意 `_is_all_reqs_chunked_prefill` 的实现细节和风险控制，并考虑补充自动化测试以覆盖此场景。

修复 TURBOQUANT 注意力后端选择逻辑，移除硬编码旁路并加入优先级列表。

建议仔细阅读 `vllm/platforms/cuda.py` 中的 `_get_backend_priorities` 和 `get_valid_backends` 方法，关注 TURBOQUANT 优先级调整和硬编码移除的设计决策。同时，注意 review 中提到的未解决风险，可能需要后续 PR 来优化验证逻辑。

添加 NVFP4 量化支持到 KV 缓存，扩展 reshape_and_cache_flash 功能。

该 PR 值得精读，特别是 NVFP4 量化布局设计（[k_data, k_scale, v_data, v_scale] 确保连续内存）和工具函数拆分逻辑，这些决策影响 kernel 实现和性能。关注 FlashInfer 后端的集成方式，以及 decode 路径不完整的后续处理。建议工程师了解新数据类型的添加流程和测试覆盖方法。