vllm-project/vllm

修复 CPU 后端在零化 KV 缓存块时因 Triton GPU 内核导致的崩溃。

建议工程师快速浏览此 PR，重点关注 CPU 后端如何处理 KV 缓存无效位置，以及如何避免 GPU 内核调用。对于涉及 Triton 与 CPU 集成的开发者，此 PR 展示了简单而有效的设计决策。

将XPU MXFP4 MoE支持重构集成到oracle系统中。

建议工程师精读此PR，以理解MoE oracle的设计和XPU集成模式，特别关注性能权衡和测试覆盖。

修复 responses API 中 arrival_time 记录错误，以准确测量 TTFT。

对于负责性能度量或 API 实现的工程师，建议精读此 PR 以理解 arrival_time 定义的重要性和当前修复。同时，关注 markmc 指出的其他问题，可能需要在后续 PR 中解决。

为FP8权重仅量化（WoQ）添加内核抽象，集成Marlin内核以支持无FP8硬件的GPU。

建议技术管理者和工程师精读此PR，重点关注内核抽象设计决策（如`init_fp8_linear_kernel`的集中化）和Marlin集成方式，这有助于理解vLLM量化栈的演进方向。同时，需注意review中未完全解决的风险点，如块量化兼容性问题。

更新.gitignore忽略.python-version文件，避免贡献者本地环境冲突。

此PR变更琐碎，无需精读。对于新贡献者，可作为.gitignore配置的示例参考。

修复ROCm AITER ops中fused_moe_fake签名不匹配和其他错误，避免torch.compile崩溃。

这是一个关键bugfix，值得ROCm用户和涉及量化MoE或AITER ops的开发者快速review。建议关注签名匹配的一致性，并检查是否有其他类似签名不匹配问题在代码库中存在。

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。