vllm-project/vllm

删除冗余 Triton group quant op，恢复 ROCm FP8 fusion

建议所有 ROCm FP8 用户合并此 PR。对于研究编译融合或量化实现的开发者，值得阅读以理解 op 注册与融合 pass 交互。

修复 SM121 下无内核的构建错误

值得精读，尤其是 CMake 构建系统的开发者。该 PR 展示了如何处理上游工具链的 bug、如何通过优先读取更可靠的元数据（`code=sm_*` 而非 `arch=compute_*`）来规避问题，以及在构建时添加防御性检查避免静默失败。

修复 transformers MLA pad 条件导致 QKV 投影崩溃

建议精读此 PR。它展示了两个独立正确的 PR 合并后产生交互回归的经典场景，以及如何通过严格化条件来修复。是代码审查和跨 PR 依赖分析的好案例。

修复 OBJ 次级 tier 清理时 release_xfer_handle 失败导致作业结果丢失

建议精读 `manager.py` 中的 `_poll_active_transfers` 方法，其异常处理模式（先处理关键资源，再尽力清理次要资源）值得参考。对应回归测试也展示了如何对异步重试逻辑进行精确注入测试。

使紧凑 MLA 行在不同 TP 大小下共享二级缓存路径

建议精读。此 PR 设计将 TP 无关 identity 的职责明确置于 FileMapper，通过单一 discriminator 字段隔离不同 layout，实现简洁清晰。测试覆盖充分，特别是跨 TP 字节级 round-trip 测试。合并后建议监控二级缓存命中率变化。

修复 Quark checkpoint 的 weight 为 list 时 DeepseekV4FP8 加载崩溃

值得快速阅读（改动仅 6 行），核心价值在于对 Union 类型配置的显式 `isinstance` 校验模式：当配置字段可能是 dict/list/None 异构时，先做类型分流再访问属性，避免隐式类型假定。建议后续补一个针对 list 输入的单测，并参考 `fxmarty-amd` 的建议在 fix PR 中说明引入回归的 PR。

回退 ROCm MXFP4 MoE 的 TRITON_UNFUSED 回落

值得重点阅读 select_mxfp4_moe_backend 函数的设计变更，尤其是后端优先级与平台特定回调的取舍。对于 ROCm 量化路径的维护者，该 PR 是必要的基础修正。

批量 KV 读写操作下沉到 C 层以释放 GIL

值得精读，该 PR 展示了如何将 GIL 敏感的 I/O 操作迁移到 C 层并引入批量处理以提升性能，同时也记录了低并发退化的设计取舍，为后续优化提供了方向。