vllm-project/vllm

为NVIDIA H800和H100设备添加fused MoE内核配置文件，支持fp8_w8a8精度。

对于关注GPU性能优化或使用NVIDIA H800/H100设备的工程师，建议快速浏览配置文件参数以了解优化细节，但无需深入分析代码逻辑。注意review中提到的配置潜在问题，可能在部署前需要验证。

更新 ROCm 安装和快速入门文档，添加 nightly Docker 镜像提示。

这是一个简单的文档更新，无需精读。可关注文档维护最佳实践，如避免重复内容，但无关键设计决策。

升级 ROCm Docker 镜像至 7.2.1，更新 PyTorch 和 Triton 版本，并添加 pytest 退出代码修复。

对于在 AMD GPU 上部署 vLLM 的团队，此 PR 值得关注以了解基础设施更新；建议精读 Dockerfile 变更，注意讨论中的设计决策（如 git 操作设计），并监控 CI 测试结果以确保稳定性。

修复 DGX Spark 设备的 SM121 架构匹配逻辑，确保 NVFP4 等内核正确编译。

该 PR 值得构建系统工程师精读，重点关注 `cuda_archs_loose_intersection` 函数的设计决策，如后缀匹配策略和跨版本兼容性处理。对于一般开发者，了解 CMake 架构守卫的更新模式即可。

修复EAGLE spec decode中FULL cudagraph期间attention metadata未重建导致的draft tokens质量下降问题。

该PR值得精读，特别是关注attention metadata构建的正确性设计，以及cudagraph与spec decode的交互方式，适合技术管理者评估spec decode改进的潜在风险。

在registry中为Ernie模型指定revision以跳过CI失败测试。

该PR不值得精读，除非您关注CI测试策略或多模态模型集成。变更简单，设计决策较少，但需注意测试跳过的长期影响和潜在风险。

重构在线量化逻辑以支持与量化重新加载协同工作，提升代码复用。

该 PR 值得精读，特别是关注 `initialize_online_processing` 如何抽象化在线量化和重新加载的共享逻辑，展示了模块化设计的好处。建议工程师学习其代码重构技巧，并注意 review 中关于正确性和测试覆盖的讨论，以应用到类似场景。

为--speculative-config参数添加短标志-sc，提升CLI可用性。

该PR变更简单，值得快速阅读以了解vLLM项目中CLI参数添加短标志的标准做法。对于工程师，可关注review中提到的测试覆盖问题，考虑在后续维护中补充测试；对于管理者，可将其视为低风险改进，无需深入审查。