vllm-project/vllm

修复 Nano Nemotron VL 模型的两个回归问题，避免配置深拷贝和 tokenizer 错误。

建议工程师精读此 PR，特别关注 nano_nemotron_vl.py 中的设计决策，如避免热路径中的处理器调用和使用配置替代提取器，这对多模态模型性能优化有借鉴意义。

清理Gemma4模型实现，移除硬编码退出并删除无用工具文件。

建议快速浏览此PR以了解清理点，重点关注错误处理改进和文件删除的合理性，但无需深入分析设计决策。

修复MRV2路径中缺失的KV连接器工作元数据构建调用。

该PR变更简单直接，适合快速浏览以了解MRV2路径的元数据补全。值得关注的是：1) 了解KV连接器工作元数据的具体用途；2) 确认MRV1和MRV2路径在元数据处理上是否还有其他差异；3) 结合PR #31964理解完整的KVConnectorWorkerMetadata支持实现。

在CPU Dockerfile中添加音频依赖，支持音频相关功能。

该PR变更简单直接，无需深入精读。值得关注的是review中关于Docker构建优化的建议，可作为类似场景的最佳实践参考。

修复MoE模型层式权重加载中e_score_correction_bias重复计数导致的加载失败问题

该PR值得MoE模型开发者和模型加载模块维护者关注，虽然变更简单，但揭示了层式加载中张量重复计数的潜在问题。建议阅读meta.py和layerwise.py的修改，理解SKIP_TENSORS机制如何用于排除特定张量。

为FlexAttention后端启用完整CUDA图支持，提升推理性能。

建议技术管理者和工程师精读此PR，重点关注copy_to_persistent的实现和持久化缓冲区设计，这些决策在处理CUDA图动态张量时具有借鉴意义。同时，注意review中关于后端特定逻辑的讨论，可能提示未来架构改进方向。

添加 Phi-4-reasoning-vision 15B 多模态模型支持，解决启动失败问题。

建议工程师精读此 PR，重点关注模型实现中的多模态处理模式（如 Siglip2 视觉塔集成和图像 token 映射）、性能优化点（spatial_shapes 处理策略）以及测试中的内存管理技巧，这些设计决策对开发类似多模态模型有借鉴价值。

在ROCm CI中新增Qwen3.5-35B-A3B-MXFP4模型的GSM8K评估配置

该PR变更简单直接，无需精读。对于技术管理者，可关注其反映了vLLm在持续扩展对量化模型（尤其是MXFP4格式）和ROCm平台的支持趋势。对于工程师，仅当需要了解GSM8K评估CI配置格式或Qwen3.5模型量化测试参数时可参考。