vllm-project/vllm

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。

重构Quark MoE w_mxfp4量化路径，通过oracle和kernel后端运行，并扩展ROCm CI测试。

建议工程团队关注重构后的代码路径，特别是`quark_moe.py`中的`_setup_kernel_via_oracle`函数设计，以及CI配置的更新；同时，review代码共享讨论，以指导未来量化重构的模块化设计。

重构测试文件中的硬编码CUDA设备字符串，支持多平台加速器。

该PR值得精读，特别是对于负责跨平台测试或硬件兼容性开发的工程师。关注点包括：如何通过current_platform抽象层实现设备无关性，系统性替换硬编码字符串的设计模式，以及review中针对导入和变量命名的质量保证实践。建议结合历史PR（如ROCm、XPU相关变更）理解更大范围的多平台演进。

通过批处理内存复制优化 KV cache offloading 性能，提升吞吐量和降低延迟。

值得精读，特别是 CUDA 内存批处理 API 的使用和 Python-C++ 交互设计。关注 `swap_blocks_batch` 的实现细节、回退机制以及设备注册的决策。