vllm-project/vllm

修复 RDNA GPU 上 GDN KKT 内核编译时间爆炸问题

值得精读，尤其是对 Trtion 内核性能调优感兴趣的读者。本 PR 展示了如何规避 Triton-on-ROCm 的编译降级问题，并展示了条件编译和平台检测的最佳实践。同时，也反映了当工具链（Triton）存在 bug 时，如何通过快速、精准的工作区恢复性能。

ROCm RDNA 混合 W4A16 内核，解码 HIP 瘦 GEMM + 预填 Triton

建议精读以理解混合内核设计模式（统一权重布局、批量感知路由）和性能分析工具使用。但需注意 review 中指出的 LDS 硬编码、group_size 64 缺失和 bias 索引问题，应提交 follow-up PR 修复后再投入生产。

MiniMax-M2 融合 QK-norm+AllReduce ROCm 路径

该 PR 设计清晰，值得关注其简洁的 dispatch 模式和 review 中讨论的“快速失败”哲学。对于其他需要为特定硬件添加融合内核的开发者有参考价值。建议精读以理解如何安全地集成第三方 kernel 库。

FlashInfer FP8 MoE topk 上限升至 32

该 PR 变更简单直接，可供快速合入。建议后续补充 topk=32 的专项测试，以提升覆盖信心。

为稀疏 MLA 短序列新增密集 MHA 预填充路径

建议阅读 `mla_attention.py` 中的路由逻辑和 `sparse_mla_attention.py` 中的共享实现，理解如何在 vLLM 中为注意力后端添加条件优化路径。特别关注 `use_mha` 的决策条件以及 `SparseMLACommonMetadataBuilder` 的 workspace 分配策略。由于本 PR 是系列中的第 1 部分，关注后续 PR 中如何扩展此机制至 masked MHA。

支持 Intel XPU INT2 权重量化

值得关注的设计决策是 int2 强制依赖 ARK 而不提供 fallback，这简化了代码但限制了可移植性。评审中的模型规模和版本锁定讨论也具参考价值。建议阅读 `inc_wna16_scheme.py` 的条件逻辑和测试覆盖策略。

新增填充感知的 SwiGLU limit Triton 内核

此 PR 值得精读，特别是 Triton kernel 的设计模式（persistent row、列分块）以及如何通过 `topk_ids` 和 `expert_map` 实现填充感知。设计决策上将 pad-aware 功能无缝集成到现有接口中，保持向后兼容，是很好的工程实践。建议后续补充正式的单元测试。

修复 Dynamo OTEL span 起始时间错误

PR 修复逻辑正确，改动简洁，已获 reviewer 确认和独立复现。建议合并。