vllm-project/vllm

新增压缩张量后端 MXFP8 量化方案，支持线性层和 MoE 层。

该 PR 值得精读，特别是量化方案检测和 MoE 方法实现，展示了如何扩展压缩张量后端以支持新格式。关注点包括：设计上如何集成 MXFP8 到现有量化框架，review 中讨论的模块性权衡，以及内核选择逻辑的演变。对于涉及量化或高性能推理的开发者，这是学习 vLLM 量化扩展机制的案例。

修复swap_blocks_batch中cuMemcpyBatchAsync的运行时兼容性问题，避免在旧CUDA驱动和CUDA 13.0上崩溃。

建议工程师精读此PR，重点关注cuGetProcAddress的用法、函数指针类型定义（BatchFn）、以及fallback机制的设计。对于技术管理者，此PR展示了如何平衡性能优化与兼容性，值得在类似跨版本支持场景中借鉴。

融合 FP8 DeepGemm 量化内核的零初始化，实现约 1% 解码加速。

建议技术管理者和工程师精读此 PR，重点关注内核中填充处理的实现细节和测试用例的设计。这展示了如何通过融合初始化来优化性能关键路径，同时确保正确性，值得学习其内核优化技巧。

修复Gemma4ForCausalLM加载LoRA适配器的命名映射问题，确保兼容性。

对于涉及Gemma4模型或LoRA加载机制的工程师，此PR值得精读以了解权重映射设计。重点关注hf_to_vllm_mapper的实现，以及如何通过WeightsMapper处理不同模型命名约定。

修复 GDN FLA 内核因 CUDA 图块表填充从 -1 改为 0 导致的非法内存访问崩溃。

该 PR 值得精读，因为它揭示了在系统级约定变更（如填充值从 -1 改为 0）时，如何确保内核守卫条件同步更新的重要性。关注设计决策：守卫条件的设计需与全局约定（NULL_BLOCK_ID）严格对齐，以避免隐蔽的内存错误。

修复CPU测试Dockerfile中sentence-transformers版本号错误，确保依赖解析成功。

该PR变更简单直接，无需精读。值得关注的是review中版本号验证的重要性，可作为依赖管理的最佳实践参考。

更新vllm serve中--model参数的弃用警告版本号，避免误导用户。

该PR变更简单，无需深入精读。对于技术管理者，可快速浏览以了解文档维护活动；对于工程师，除非负责CLI或文档模块，否则无需特别关注。

为Exaone4_5_MTP模型添加多模态支持接口，修复投机解码中的崩溃问题。

该PR是一个直接的bugfix，值得快速浏览以理解多模态接口的集成模式。关注点在于embed_input_ids方法的实现如何合并文本和多模态嵌入，以及_merge_multimodal_embeddings工具函数的使用。对于从事多模态模型或投机解码开发的工程师，这是一个很好的参考示例。