vllm-project/vllm

修复 Qwen3 MoE 模型前向传播中门控层被重复计算的问题。

该 PR 值得精读，因为它展示了 vLLM 中 MoE 模型如何通过 `is_internal_router` 属性来统一处理内部/外部路由器调用，这是一个重要的设计模式。关注 `Qwen3MoeSparseMoeBlock.forward` 方法中的条件分支，理解其如何避免重复计算。

为 TurboQuant 注意力后端启用 FA3/FA4 支持，修复混合后端断言失败。

建议精读 `turboquant_attn.py` 中的 `_flash_attn_varlen` 方法，了解 FA 版本检测和封装设计。同时关注 review 中提到的未决问题，考虑在后续 PR 中补充 `requires_alibi` 和 SM90 覆盖逻辑。

在 XPU 平台禁用尚未支持的融合优化模式，防止运行时错误。

该 PR 值得 XPU 平台开发者或对平台特定优化感兴趣的工程师精读，重点关注其如何通过配置检查来优雅地处理平台限制，以及代码重构（从重复 `if` 到循环）带来的可维护性提升。

统一编译耗时监控逻辑，消除时间报告不一致

值得合并，修复了编译时间报告的不一致问题。建议后续添加针对 encoder 编译计时的单元测试，防止回归。

对齐 MoRI-IO 连接器消息格式，使其与 vllm-router 兼容。

该 PR 值得精读，特别是地址嵌入和解析的设计决策，展示了如何通过 request_id 传递元数据来简化分布式通信。关注 `parse_moriio_zmq_address` 和 `get_peer_zmq_from_request_id` 的实现，以及错误处理策略。

跳过 B200 上 DeepGEMM UE8M0 路径的 RMS+quant 融合测试

建议合并，因为这是临时性的测试跳过，且文档清晰地指出了根本原因和修复方向。审阅者应关注后续是否有人跟进实现真正的融合修复（可追踪 TODO 和 draft PR #40650）。

为vLLM gRPC服务器添加标准gRPC健康检查服务，支持Kubernetes原生探针。

建议技术管理者和工程师精读`vllm/entrypoints/grpc_server.py`中的健康服务集成部分，关注关机处理和异常捕获设计；同时查看测试文件以理解健康检查的各种场景。对于使用gRPC部署的用户，此PR提供了重要的运维增强功能。

修复 Torch 2.12 下 bmm 注册冲突

值得阅读，了解 Torch 与下游框架在 dispatcher 层面的交互。