vllm-project/vllm

将压缩张量 MoE 量化方法从单个文件拆分为多个独立文件，提升代码组织性。

该 PR 值得精读，特别是对于关注代码模块化设计的开发者。可以学习如何将大型文件拆分为小模块，以及如何处理导入依赖。关注基类 `CompressedTensorsMoEMethod` 和工厂方法 `get_moe_method` 的设计。

为AMD Instinct等硬件添加NVFP4模型的仿真后端支持，修复正确性问题。

建议技术管理者关注此PR对硬件生态扩展的价值，工程师可精读nvfp4_utils.py中的后端选择算法和nvfp4_emulation_utils.py的仿真实现，以理解量化模型跨平台适配的设计权衡。

将MLA预填充后端默认值从TRT-LLM改回FA4，恢复性能优势。

该PR变更简单，但涉及核心注意力后端选择，建议关注： 1. 了解FA4与TRT-LLM后端的性能差异和适用场景。 2. 跟踪MLA模型在SM100设备上的测试结果，确保修复彻底。 3. 对于性能敏感的应用，可精读PR #34732和#38690以了解基准测试和修复细节。

修复MRV2在DeepSeek V3.2模型上的挂起问题，确保注意力元数据正确准备。

该PR值得精读，重点关注：1. _dummy_run中skip_attn默认值变更的设计决策；2. 注意力元数据准备与CUDA图模式的交互逻辑；3. review中关于断言与错误处理的讨论，可作为错误处理最佳实践的参考。

修复NemotronH模型mamba_ssm_cache_dtype默认值错误，统一为float32避免精度问题。

该PR值得精读，因为它展示了模型配置默认值的重要性和如何通过重构提高代码复用性。关注点包括：1. 默认值从float16到float32的变更理由。2. update_mamba_ssm_cache_dtype方法的提取如何使配置逻辑更清晰。3. NemotronHNanoVLV2Config如何通过text_config继承配置。

为NVFP4量化MoE添加FlashInfer CuteDSL批处理专家后端。

该PR值得精读，特别是对于关注MoE性能和量化优化的工程师。值得关注的设计决策包括激活格式的选择（批处理vs标准）和权重布局转换的实现。建议审查新后端的测试覆盖和性能基准。

删除KV缓存量化初始化中的重复变量定义，简化代码。

这是一个非常简单的清理PR，无需深入精读。对于工程师来说，可以快速浏览以了解代码清理的示例；对于技术管理者，可以忽略此PR，除非关注代码质量指标。

统一 mistral_common 依赖版本至 1.11.0，修复导入错误。

该 PR 变更简单直接，无需深入精读。对于工程师，值得关注的是依赖版本管理的最佳实践：确保跨环境（如 common.txt 与测试文件）的依赖版本一致，以避免运行时错误。对于技术管理者，可将其视为常规维护任务，无需额外投入。