vllm-project/vllm

升级 Helion 至 1.4.0 并同步 CI，修复内核数值问题

该 PR 是简单合规的依赖升级，不必精读，但值得注意其揭示的维护模式：一处依赖版本需要三处同步，且同步完全依赖代码注释提醒，缺少自动化校验。可考虑在未来引入脚本或 CI 检查来防止版本漂移，这是比本次升级本身更有价值的改进点。

修复 TurboQuant KV 缓存 dtype 误为 auto 崩溃

值得精读，特别是 vllm/v1/kv_cache_interface.py 的 KVQuantMode 映射与 attention.py 的 get_kv_cache_spec 分支：它展示了如何通过枚举统一量化模式、避免字符串特判的接入方式。建议结合 PR body 引用的前序 TurboQuant 工作，理解 v1 KV 缓存规格化的演进脉络。

Quark MXFP4 emulation 重构为共享线性内核抽象

值得精读，尤其是内核选择框架的扩展方式（创建 `mxfp6/` 子包、扩展 `register_linear_kernel`、按 `activation_quant_key` 分发）以及 `QuarkScheme` 与 kernel 抽象的解耦思路。对关注 ROCm 量化、kernel 抽象统一的工程师有参考价值；建议结合 PR#49348 一起看，理解系列重构的演进脉络。

支持 Kimi-K3 压缩张量量化模型加载

值得精读，但主要是了解 `SupportsQuant` 混入类与 `packed_modules_mapping` 的协作模式，这属于 vLLM 中支持新模型量化加载的标准做法。改动本身很小，设计意图清晰，可作为一个快速参照模板。建议后续补充针对 Kimi-K3 量化加载的单元测试或集成测试，以防止回归。

修复 Mistral 工具解析器统一后的兼容性回归

值得快速精读。这是统一重构后兼容性适配的典型修复样例：通过 adapter 属性转发恢复嵌套 engine 的对外契约，并通过显式 None 分支保留旧路径的可空 request 语义。评审中「getattr 兜底 vs 显式 None 检查 + 类型标注同步修改」的取舍值得借鉴。若后续有同类 parser 统一工作，应参考本 PR 补充针对 request=None 与属性转发的单元测试。

升级 tpu-inference 依赖至 v0.26.0

不值得精读。该 PR 是单行依赖版本升级，价值在于保持 TPU 依赖更新。关注点：确认 vLLM 的 TPU CI 是否对新版本有隐藏兼容性问题，可留意后续 TPU 相关 issue。

更新 TPU 构建依赖 torch 至 2.13.0+cpu

不值得精读，作为一行依赖修复，可直接合入。值得留意的是 TPU 构建依赖与主仓库容易脱节的模式，建议后续考虑将 torch 版本集中管理或增加 CI 检查，防止再次遗漏。

为 embedding 支持模型文档补充 BgeM3EmbeddingModel 条目

不值得精读。可作为“文档与实现状态同步”的小样本，关注点在于嵌入模型文档表格的维护方式，以及是否应自动化校验文档与模型注册表的一致性。