vllm-project/vllm

更新ColModernVBERT以支持最新HF checkpoint扁平配置，移除遗留代码和revision固定。

该PR值得精读，特别是配置类重构和权重加载简化部分，展示了如何适配HF checkpoint变化并移除遗留代码。关注`colmodernvbert.py`中load_weights方法的变更，以理解权重映射的简化策略。

修复TRTLLM per-block FP8 MoE中路由偏置数据类型问题，解决DeepSeek R1输出错误。

该PR值得快速浏览，了解FlashInfer数据类型要求的特定约束。重点关注：1) 路由偏置数据类型对MoE精度的影响；2) 量化配置（per-block vs per-tensor）的测试覆盖差异；3) 代码重复问题可作为后续重构点。

移除CPU权重卸载时非默认块大小触发的断言，修复模型加载失败。

该PR值得快速浏览以理解CPU卸载与块大小交互的修复。关注点：断言移除的合理性基于“原问题不再存在”的假设，建议结合历史PR #18298（断言引入点）验证上下文。对于使用混合块大小模型的团队，此修复是关键，但需注意可能伴随的乱码输出问题（Issue #38718）。

支持Gemma4量化MoE模型权重加载，扩展2D量化专家参数映射逻辑。

该PR值得精读，特别是权重映射和正则表达式重映射的设计决策，展示了如何处理量化参数与原始权重的命名差异。关注`load_weights`中的前缀匹配逻辑和`_weight_iterator`中的重映射策略。

通过CMake集成DeepGEMM到vLLM wheel，移除手动安装步骤，提升用户体验。

建议技术管理者精读cmake/external_projects/deepgemm.cmake文件以理解构建设计决策，如使用FetchContent_Populate避免冲突。工程师可关注deep_gemm.py中的导入优先级机制，这对类似库集成有借鉴价值。

更新XPU CI测试脚本，忽略hf3fs相关单元测试以修复测试失败。

该PR变更简单直接，适合快速浏览以了解CI测试调整。对于技术管理者，建议关注后续PR #37947的进展，确保依赖升级彻底解决测试问题；对于工程师，可注意KV连接器模块的测试覆盖变化，在相关开发中加强本地测试。

移除遗留W8A8BlockFp8LinearOp类，引入内核抽象统一FP8块量化选择。

该PR值得精读，特别是内核抽象设计和动态分发策略。关注点：1) MMLinearKernel接口如何统一不同量化类型（FP8、Int8）的参数处理；2) init_fp8_linear_kernel中的平台特定内核选择逻辑，尤其是_POSSIBLE_FP8_BLOCK_KERNELS的优先级排序；3) 量化方法（如Fp8LinearMethod）中内核初始化的时机调整，从__init__移到create_weights的影响。建议工程师重点审查测试文件以确保回归覆盖，并关注动态分发部分以备后续优化。

修复FlashInfer MXINT4 MoE因缺少do_finalize参数导致的崩溃问题。

该PR值得精读，尤其是输出处理逻辑的健壮性改进（从泛化检查到具体类型检查）和单元测试设计，可作为处理第三方库接口变更的范例。关注flashinfer_mxint4_moe.py中do_finalize参数的添加和输出提取逻辑。