GitLab

fix:

- 修复 Step3p5 MTP 在加载 checkpoint 时对可选标量参数的识别逻辑，将 q/k/v zero_point 纳入 optional 参数集合，避免参数校验与加载不一致。

revert:

- 回退 EAGLE 中针对 MTP shared_head.head 强制复用 target lm_head 的逻辑，避免与当前 Step3p5 MTP 权重结构产生冲突。

目的:

- 降低 Step3p5 MTP 在权重加载阶段的兼容性问题，减少由于 lm_head 共享路径不一致导致的异常行为，方便后续排查和协作。

在 vllm/model_executor/layers/activation.py 中调整 SiluAndMul.forward_cuda：当 VLLM_USE_OPT_OP=1 时统一走 ops.silu_and_mul_opt_lightop(x)
在 vllm/_custom_ops.py 中新增并注册 silu_and_mul_opt_lightop（含 fake_impl），用于编译/非编译路径统一调用

[BUGFIX] 修复 Qwen3-MoE Attention 中 fused RMS RoPE 的 epsilon 参数顺序错误

See merge request dcutoolkit/deeplearing/vllm!539

feat: Support rms+quant fusion in minimax_m2 series model.

See merge request dcutoolkit/deeplearing/vllm!538

use tunning w4a16 moe

See merge request dcutoolkit/deeplearing/vllm!535

feat(v1 attention): 为 ROCm FlashAttention 接入 unified kv layout，并打通 mm_prefix、qq_bias 与 use_alibi_sqrt 透传

See merge request dcutoolkit/deeplearing/vllm!526

feat(v1 attention): 为 ROCm FlashAttention 接入 unified kv layout，并打通 mm_prefix、qq_bias 与 use_alibi_sqrt 透传
在 ROCm FlashAttention 后端增加 unified KV layout 选择逻辑
接入 unified varlen kernel 调用路径
在 FlashAttention metadata 中补充 mm_prefix_range 与 qq_bias 透传

The gfx928 architecture force to set VLLM_W8A8_BACKEND == 1

See merge request dcutoolkit/deeplearing/vllm!533

glm5 融合算子优化

See merge request dcutoolkit/deeplearing/vllm!534

支持kvacache fp8_e4m3的RMS_ROPE_CONCAT

See merge request dcutoolkit/deeplearing/vllm!531

处理VLLM_USE_LIGHTOP_MOE_SUM_MUL_ADD导致的awq推理bug问题

See merge request dcutoolkit/deeplearing/vllm!528

fix(moe): 补齐非Marlin量化路径 shared_output/routed_scaling_factor 透传

See merge request dcutoolkit/deeplearing/vllm!529

支持kvacache fp8_e4m3/fp8_e5m2的RMS_ROPE_CONCAT

Gy v015 1dmrope

See merge request dcutoolkit/deeplearing/vllm!530