vllm-project/vllm

AMD entrypoints 测试步骤设为软失败

该 PR 属于基础设施配置微调，不涉及代码逻辑，无需精读。可作为 CI 配置模式参考：当跨平台测试因环境差异不稳定时，通过 `soft_fail` 避免阻塞主流程，同时保留可见性。

移除 DeepseekCompressor 无用的 KV 缓冲区管理

一个简单的清理 PR，值得合并。无需要精读。

在 AGENTS.md 中明确代码行长度限制

无需精读，但可为文档维护者提供引用参考。

为 ModelOpt 添加 LM head 量化支持

建议技术负责人和量化相关开发者精读 `modelopt.py` 中 `get_quant_method` 的修改，该处展示了如何处理异类层（如 LM head）的量化方法分发。同时关注 `vocab_parallel_embedding.py` 中标量 scale 加载的兼容性做法，这是一个典型的扩展权值加载器以支持新数据布局的案例。

移除 DeepSeek V4 的 AMD MegaMoE 集成

值得阅读以了解清理大规模遗留代码的模式。此 PR 展示了如何系统性地识别和移除不再维护的功能块，同时保持核心逻辑稳定。对于关注 AMD 后端 DeepSeek 模型实现的工程师，应仔细检查是否还有其他遗留引用。

为 CPU W4A8 INT8 MoE 添加 Oracle 选核与专家实现

建议精读。该 PR 体现了 MoE 模块化设计的核心模式——通过 Oracle 抽象将量化后端的选核与实现解耦，代码结构清晰。重点关注 `select_w4a8_int8_moe_backend` 的设计（优先级 fallback、显式/自动选择）以及 `FusedMoEExpertsMonolithic` 接口的 `_supports_*` 方法族，这是未来扩展新后端的范例。

将ModelOpt MXFP8 MoE迁移至oracle模块化架构

如果团队使用 ModelOpt MXFP8 量化，建议关注此 PR 引入的后端选择变更，并进行回归测试。此 PR 的设计模式（将特殊量化方法迁移到 oracle 架构、简化 bias 注入）值得参考，适合作为 MoE 量化重构系列的示例。

融合Q head padding到DeepSeek V4内核，消除F.pad

建议精读本PR。它展示了： 1. 融合padding到内核以避免额外显存开销的通用优化技巧； 2. 使用C++模板参数实现多head count调度，避免运行时分支； 3. 跨平台（NVIDIA/ROCm）注意力后端的抽象设计模式。 同时，关注review中未解决的风险点，可能需要后续跟进。