vllm-project/vllm

修复结构化输出FSM失败时请求挂起的bug，安全中止请求。

建议工程师阅读以了解FSM失败处理的设计决策，特别是resumable字段的重用和状态管理；关注调度器update_from_output方法的变更，这对理解结构化输出错误处理有价值。

添加Mistral语法工厂支持，启用结构化输出和工具调用的Lark语法生成。

建议精读此PR，特别是vllm/tool_parsers/mistral_tool_parser.py中的adjust_request方法设计和vllm/sampling_params.py中的验证逻辑，以了解如何平衡新特性与向后兼容。关注review中的设计权衡，如兼容性处理和错误消息改进，这对类似功能集成有借鉴意义。

为BharatGen的Param2MoE模型添加vLLM支持，实现GQA-based MoE架构集成。

建议技术管理者关注新模型架构的实现细节，特别是MoE层的处理；工程师可精读param2moe.py以学习AutoWeightsLoader的使用和权重映射逻辑。

为MiniMax-M2模型添加Eagle3推测解码支持，扩展模型功能。

建议技术管理者和工程师精读此PR，重点关注如何通过EagleModelMixin标准化集成推测解码支持的设计模式，以及从注册表错误中学习代码审查的重要性，这些对类似模型扩展有借鉴价值。

为ROCm平台Triton内核添加非对称INT8量化支持，解锁非对称INT8模型运行。

建议精读vllm/model_executor/kernels/linear/scaled_mm/triton.py文件，关注非对称量化处理逻辑和与Cutlass内核的对齐设计；对于ROCm平台开发者，此PR提供了关键量化支持，值得参考实现细节。

在MI325上启用内核核心测试，并跳过MI250上因量化精度导致的flaky测试。

建议关注此PR中处理硬件特定flakiness的策略，以及测试覆盖率的权衡。对于涉及跨平台测试的团队，可借鉴条件性跳过测试的方法，但需确保核心逻辑不受影响，并考虑长期维护成本。

修复nano_nemotron_vl模型视频分析时张量设备不匹配异常。

该PR变更简单直接，无需精读。对于维护nano_nemotron_vl模型或处理设备同步问题的工程师，可以关注_create_final_video_embeddings方法中设备显式传递的模式，作为避免类似设备不匹配问题的参考。

将25个通过验证的CI测试步骤切换到H200 MIG 18GB设备队列。

建议 CI/基础设施维护者审阅此 PR，以了解测试资源分配策略更新和依赖的外部变更；对于一般开发者，无需深入阅读代码，但可关注 CI 环境变化可能带来的测试执行时间或资源占用差异。