此次改动针对 Windows 平台的 WebGPU CI 工作流，目的是将构建与测试阶段拆分，调整自动化验证流程，而非修改 ONNX Runtime 的 WebGPU 算子或 GPU 执行逻辑。修改集中在 .github/workflows/windows_webgpu.yml，但 PR 描述为空且未提供具体差异，因此无法确认阶段间的构建产物传递方式、任务依赖及测试覆盖范围。此类拆分有助于明确构建失败与测试失败的边界，但是否支持复用构建产物、独立重跑测试或缩短 CI 耗时，仍缺少配置依据。现有信息不能证明该改动会提升 WebGPU 推理性能或扩大硬件、驱动及浏览器兼容性。
该 PR 为 WebGPU EP 的 GatedDeltaNet 增加 state_update_capacity 支持，满足 DFlash2 设置为 7 的需求，使 GenAI Engine 能按实际接受的草稿 token 数精确提交循环状态。改动涉及 WebGPU 算子实现、接口及 WGSL 着色器，并引入 CUDA 已采用的紧凑状态更新输出约定，同时调整算子定义与相关测试。此举使 WebGPU 的状态更新输出能力与 CUDA 对齐，为 DFlash2 的推测解码流程提供所需的状态提交支持。现有信息未提供具体输出布局、测试结果或性能基准，因此无法确认跨后端数值一致性，也不能量化延迟或显存收益。
此次改动针对 ONNX Runtime WebGPU 的 CI 执行环境，将相关构建迁回带有交互模式标记的专用代理池，以满足 Chromium 发现 WebGPU 测试的环境要求。从修改路径看，调整涉及 npm 打包阶段的流水线配置和共享 Web CI 模板，属于任务调度配置变更，而非 WebGPU 算子或 GPU 推理实现的修改。预期影响是让 WebGPU 测试在合适的浏览器运行环境中被发现，不代表推理性能提升或运行时兼容性扩展。现有信息未提供具体配置差异及测试结果，因此无法确认代理池名称、模板中删除的配置项或测试是否已恢复正常。
该 PR 为 WebGPU EP 的 com.microsoft::PagedAttention 启用 is_causal=0 且 local_window_size<=0 的非因果注意力，使 DFlash2 等块式推测生成模型中同一查询块的所有 token 能双向访问完整的有效上下文。实现上保存并传递 is_causal 属性，将其接入现有 FlashAttention 的 is_unidirectional 着色器特化，替代此前对非因果配置的拒绝及硬编码的因果行为。原有因果注意力和因果局部窗口行为保持不变，非因果模式与正值局部窗口的组合仍被拒绝，因为相对查询位置的左窗口掩码不在本次支持范围内。测试侧扩展了 C++ 参考实现以区分因果前缀可见性和非因果全上下文可见性，并调整了 C++ 与 Python 测试；此次改动主要扩展 WebGPU 的模型兼容性，现有信息未提供性能基准，无法判断吞吐或延迟变化。
该 PR 修复了 WebGPU 执行提供程序对一维 blocked DequantizeLinear 的分类错误，避免指定 block_size 的输入被误按逐轴反量化处理，导致无报错但输出错误。核心改动位于 WebGPU 量化算子的分类逻辑，并在公共算子测试文件中新增带 zero-point 的一维 int8 分块反量化回归用例。相关 DequantizeLinearOp21BlockedTest 测试共 37 项全部通过，包括新增用例，且构建和 lint 检查通过。此次修复改善了 WebGPU 对该反量化模式的语义兼容性与数值正确性；现有信息未提供性能基准，无法判断其对推理速度的影响。
该 PR 修复了 ONNX Runtime Web 的 JSEP WebGPU GatherND 实现中，对 vec4 打包 uniform 的索引访问错误，避免在输入秩不小于 5 时生成非法的 `i32(vec4<u32>)` 转换，导致 Tint 拒绝着色器模块。关键改动位于 `computeSliceOffsets` 的打包数据访问逻辑，使输入维度和切片步长的索引读取符合标量计算要求，并新增覆盖 rank-5 输入维度及打包切片步长的回归测试。直接调用测试运行器后，Chrome WebGPU 上全部 7 个 GatherND 用例通过，TypeScript 检查及相关格式、静态检查也通过；最初的 npm 测试失败涉及参数传递和缺少 JSEP WASM 产物，已由后续运行替代验证。该修复主要恢复受影响 GatherND 场景的 WebGPU 可用性与着色器编译兼容性，现有信息未提供性能基准或跨浏览器验证结果，不能据此推断性能提升或其他浏览器的兼容性。
该 PR 将混杂在 CPU 测试目录中的 85 个 WebGPU 测试定义迁移到 WebGPU 对应算子目录，使测试及其算子专用依赖自包含，降低对共享 CPU 测试代码和外部模型文件的耦合。实现上，GRU 和 Pow/Cast 直接构建模型，MatMul/Gemm 改用本地参考计算，PRelu 和 GridSample 使用独立的 WebGPU 测试套件，并通过递归收集纳入重组后的测试，同时保留原有 WebGPU 启用且 EP API adapters 禁用的构建条件。六个 WebGPU FP16 Conv 测试移除了继承自 CPU/CoreML 的门控，避免其受不相关后端条件限制。整体属于测试组织与可维护性改进；现有信息未显示推理内核变更，也未提供性能基准或跨平台测试结果，因此不能据此认定推理性能或运行时兼容性有所提升。
该 PR 将规划好的工作区表示为“执行提供程序原生缓冲区、字节偏移和可用大小”，使 WebGPU 能使用预分配缓冲区中的区域作为算子临时存储，同时保留适用于可寻址分配的指针返回接口。关键实现包括在张量视图、绑定组、分段绑定、数据传输、间接调度及计算图捕获与重放中保留缓冲区偏移，并在禁用普通激活内存模式时单独缓存工作区规划，支持每个内核独立跟踪多个工作区槽位。WebGPU MatMulNBits 的 DP4A 激活与缩放因子临时存储，以及条件启用的 subgroup 激活预打包临时存储，被接入规划区域并保留动态分配回退，旨在减少运行时临时分配，但未提供性能基准，无法量化收益。当前差异还包含前置 PR #32071 的执行框架、BFC arena 及 CUDA MatMulNBits、GroupQueryAttention 工作区规划相关改动，不能全部归为 WebGPU 专属实现；该 PR 面向 main，需先合入前置依赖。
该改动修复了 GroupQueryAttention 在 KV 缓存增长时的形状推断错误：过去序列长度为符号维度时，不再将该符号复制给 present，而是让 present 的序列维度保持动态，避免内存规划器误判两者等长并复用容量不足的缓冲区。固定长度缓存仍沿用原有推断方式，WebGPU 的 MayInplace 声明也予以保留，使合法的原地复用继续生效；该修复同时覆盖 WebGPU/CUDA 的别名复用路径及包括 CPU 在内的各 EP 空闲缓冲区复用路径。SparseAttention 的最大缓存模式和采用独立形状推断的 PagedAttention 不受影响，新增的增长缓存回归测试用于验证相关场景，但现有信息未提供性能测量结果。另一项改动改善了 WebGPU 融合 Conv 遇到无法解析的 activation 时的报错，并新增相应测试；由于描述末尾截断，无法确认具体错误文本，但没有证据表明其扩展了支持的激活函数范围。
该改动修复通用图优化器 DivMulFusion 在将 1 / x1 * x2 改写为 x2 / x1 时，仅替换输入定义却未连接 x2 生产者与 Div 的问题。关键是在替换 Mul 的输入后补建生产者到 Div 的边，避免 Mul 被删除后，后续 Level1 规则移除或重连生产者时漏掉 Div，留下引用已失效中间值的无效图。改动同时在图优化测试文件中新增测试，针对这类融合与后续重写之间的图连接正确性提供回归保障。该修复位于共享优化层，并非 WebGPU 专属优化；它有助于避免使用该优化路径的后端遇到无效图，但现有信息没有提供 WebGPU 实测或性能数据，无法确认具体性能收益或兼容性覆盖范围。