vllm-project/vllm

重构 CohereMoe 权重加载迁移至 AutoWeightsLoader

建议合并。该 PR 是基础设施标准化的重要一步，代码清晰，已通过本地 lint 和单元测试验证。值得关注的设计决策是将 quant_config 下沉到 backbone 中，以便 AutoWeightsLoader 统一处理 KV-scale。

修复 Gemma4 MoE 激活函数为 tanh 近似 GELU

该 PR 设计清晰、改动集中，已获得批准。建议团队在合入后验证 Gemma4 模型生成质量无明显波动，并确认 LoRA 相关测试通过。

修复 SWA 模型 CUDA graph 捕获时内核选择错误

值得快速合并，修复简单且关键。建议阅读 `_make_metadata_with_slice` 函数以理解 CUDA graph 捕获时的元数据兼容性设计。

默认启用 RayExecutorV2

这是一个预期中的配置翻转，变更本身逻辑简单，但影响面广。建议阅读者关注后续是否有与 `RayExecutorV2` 相关的 bugfix 或性能报告，并确保自己的部署环境兼容新后端。团队应同步更新相关文档，明确告知用户弃用路径和回退方法。

新增 Power VSX 注意力后端并修复 L2 缓存初始化崩溃

该 PR 值得关注硬件加速相关的设计模式：如何为不同 ISA 实现微内核并融入统一 dispatch 框架。特别需阅读 `cpu_attn_vsx.hpp` 中的 BF16 加载技巧和 `generate_cpu_attn_dispatch.py` 的条件编译方式。建议在合并后补充 VSX 内核的单元测试和基准对比。对于实现的技术细节，可参考最终合并版本是否修正了讨论中的合并方向问题。

重构 ROCm MXFP4 W4A8 MoE，引入 oracle 后端选择

该 PR 很有价值，建议精读。重点关注 oracle 后端选择架构的演化（`select_mxfp4_moe_backend` 如何根据 `activation_key` 参数区分 W4A8 和 W4A16），以及 `AiterW4A8ExpertsMonolithic` 类如何通过 `_supports_quant_scheme` 声明自身能力。团队在后续添加新量化方案时可遵循此模式。

消除 pooler 中 GPU->CPU 同步点

值得精读，尤其是理解如何通过将索引和元数据保留在 CPU、异步回传 GPU 来消除同步点。设计决策清晰（显式切片 vs. torch.split），重构思路可推广到其他类似场景。

为 XPU 平台启用 is_act_and_mul=False 及 RELU2_NO_MUL

值得精读，展示了 vLLM 中为硬件平台添加 MoE 功能支持的典型模式：通过扩展核心层的平台检查和更新后端模块的能力声明。对于从事多平台适配的开发者有参考价值。