本 PR 标题为"webgpu: support vec2 type for gemm-subgroup"，主要修改了 7 个文件，涉及 onnxruntime 等模块。代码变更包括 57 行新增和 48 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
本 PR 标题为"[WebGPU] Fix numerical stability issue in QMoE op"，主要修改了 3 个文件，涉及 onnxruntime 等模块。代码变更包括 76 行新增和 6 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
本 PR 标题为"[WebGPU] Fix SkipSimplifiedLayerNormalization bias"，主要修改了 2 个文件，涉及 onnxruntime 等模块。代码变更包括 56 行新增和 4 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
本 PR 标题为"[webgpu] Optimize LinearAttention Op with subgroup"，主要修改了 3 个文件，涉及 onnxruntime 等模块。代码变更包括 137 行新增和 5 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
本 PR 标题为"Enable QuickGeluFusion on WebGPU EP and fix fp16 shader"，主要修改了 2 个文件，涉及 onnxruntime 等模块。代码变更包括 4 行新增和 4 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
本 PR 标题为"webgpu: Extend FlashAttention decode path for any sequence length"，主要修改了 5 个文件，涉及 onnxruntime 等模块。代码变更包括 124 行新增和 64 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
本 PR 标题为"Add python implementation for wgsl-gen"，主要修改了 18 个文件，涉及 onnxruntime、cmake 等模块。代码变更包括 3864 行新增和 28 行删除。 这是一个与 ONNX Runtime WebGPU 相关的改动，具体功能需要查看代码详情。
## PR 主要改动总结 ### 1. 主要功能改动 该 PR 重构了 WebGPU 的 BufferManager 创建时机和路由机制，采用延迟创建（lazy creation）策略，并引入 `graph_buffer_mgr_active_` 标志来控制图模式下的 buffer 管理器在 OnRunStart/OnRunEnd 之间的激活状态。 ### 2. 解决的核心问题 修复了图捕获（graph capture）首次重放时的**陈旧缓冲区绑定问题**：当启用图捕获时，捕获的命令持有捕获阶段的 buffer 指针，如果分配器在首次 Replay() 前释放并重用了内存槽位，会导致调度读取过期内存，产生错误的 logits 张量输出，影响模型推理正确性。 ### 3. 对 WebGPU 支持的影响 该修复对 WebGPU 的图捕获优化功能至关重要，特别是在 MatMulNBits MLP/QKV 融合等会改变内存分配模式的场景下，确保了固定形状解码和动态形状推理的正确性。 ### 4. 技术要点 - 重构 `GpuBufferAllocator` 使用 `std::function<const BufferManager&()>` 动态解析活跃的 buffer 管理器 - 新增 `WebGpuContext::WaitForQueueIdle()` 和 `ComputeContextBase::FlushAndWait()` 辅助方法用于 buffer 管理器生命周期管理 - 通过门控机制避免在非图执行期间使用图模式的 buffer 管理器
## ONNX Runtime WebGPU PR 改动总结 ### 主要改动 此 PR 将 `gemm-subgroup` 优化扩展到 Conv（卷积）算子，并根据工作组（workgroup）数量动态决定是否启用 gemm-subgroup 优化。 ### 解决的问题 为 WebGPU 后端的卷积操作引入了 subgroup 级别的 GEMM 优化，增强了英特尔硬件上的性能表现，同时添加了基于工作组数量的智能启用机制，避免在不适合的场景下使用该优化。 ### 技术要点 - 修改了 matmul 相关代码，增加工作组数量参数传递（添加参数到函数接口） - 在 conv.cc 中集成了 gemm-subgroup 支持 - 优化决策逻辑更加智能化，根据实际计算规模动态选择是否使用 subgroup 优化 ### 影响范围 代码改动较小（22 行新增，10 行删除），主要集中在英特尔厂商特定的数学运算优化模块，对 WebGPU 的卷积性能有积极影响。
## PR 主要改动总结 ### 核心功能 此 PR 为 ONNX Runtime 的 WebGPU 后端添加了两个专门针对 Qwen3 模型的图融合优化，分别是 **MatMulNBitsMlp** 和 **MatMulNBitsQkv** 融合算子及其对应的 kernel 实现。 ### 解决的问题 - **MatMulNBitsMlp**：将 SwiGLU MLP 块中的 5-7 个独立操作（可选的 LayerNorm + 两个 MatMulNBits 投影 + 可选 bias + Sigmoid/Mul(SiLU) + 逐元素乘法）融合为单次 dispatch，显著减少 GPU 调用开销 - **MatMulNBitsQkv**：将注意力机制中的 4 个操作（可选的 LayerNorm + 三个共享输入的 Q/K/V 投影）融合为单次 dispatch ### WebGPU 支持影响 这两个融合专为 WebGPU 优化，通过减少多次 kernel 调度和中间数据传输，大幅提升 Qwen3 等 Transformer 模型在 WebGPU 上的推理性能，特别是在量化（N-bit）场景下。 ### 技术要点 重构了现有 `MatMulNBits` 的调度逻辑以便新融合 kernel 复用判断条件；新增完整的 op schema、WGSL shader 模板以及对应的图优化和单元测试，共新增约 3800 行代码。