该 PR 为 com.microsoft::QMoE v1 增加显式启用的 fp8_execution_profile="fp16_compatible"，在 FP8 量化路径中真正使用 tile-local FP16 MMA，而非原生 FP8 计算；默认仍为 native，既有原生 FP8、W8A16 和整数路径的数学行为保持不变。新配置定义了明确的数值执行契约，包括 FP32 softmax、top-8 选择与源数据归一化、类型舍入前后的运算顺序、第二次 FP8 量化前的 FP32 SiLU/乘积计算，以及 FP32 加权输出累加和 VT4 最终归约。实现将 GPU 专家映射构建逻辑拆分至独立 CUDA 模块，复用 ORT 的流感知分配器与临时存储，并补充算子定义、形状推断和 CUDA 测试，不引入主机排序或 CPU 同步。初始支持范围限定于 Hopper SM90、真正的 FP16/BF16 激活及路由和输出、256 个专家、归一化 top-8 路由与独立 gate/up；WebGPU 仅列出头文件小幅修改，不能据此认定其支持该执行配置，且缺少性能基准，无法判断吞吐或延迟变化。
该 PR 将原生 WebGPU 执行提供程序（EP）纳入现有 CPU/CUDA/DirectML 算子文档 CI，使文档覆盖构建出的 WebGPU 插件所注册的内核，而非修改推理内核本身。构建流程从同一源码检出构建插件与 Python 运行时，保留完整 Protobuf 文档配置，并在安装生成的 wheel 后统一生成文档；插件查询启用软件适配器发现，对参数格式错误、加载或查询失败、空注册表及非预期提供程序显式报错，避免静默遗漏支持信息。生成器在查询和渲染全部完成后才替换已有内核文档，成功生成后无论受版本控制的文档是否过期，都会发布包含两份 Markdown 文档及源码提交、版本、选项、计数和哈希等溯源信息的 updated-docs 产物，同时保留文档过期时的校验失败行为。配套改动补充了不依赖 GPU 的针对性测试及文档再生成、产物使用说明，主要提升 WebGPU 算子支持信息的完整性与可追溯性；现有信息未提供性能基准或算子实现变更，不能据此推断推理性能提升或兼容性范围扩大。
该改动收紧了 ONNX Runtime 夜间 WebGPU shader 验证流水线的测试产物范围，避免无关测试 DLL 的 BinSkim 问题导致流水线失败。具体是在 Azure Pipelines 阶段配置中，为 provider 和 core 测试套件设置显式产物白名单，并将各测试可执行文件拆分到独立步骤运行，不再暂存此项检查不需要的 onnxruntime_telemetry_shutdown_test 相关二进制文件。该方案通过排除无关产物解除验证阻塞，并未修复遥测测试库本身的 BinSkim 问题，后者仍需另行处理。改动仅涉及 CI 配置，没有证据表明会改变 WebGPU shader 实现、GPU 推理性能或运行时兼容性；由于未提供具体白名单和测试参数，无法进一步确认实际覆盖的测试用例范围。
该 PR 补齐 WebGPU EP 的量化与类型转换能力，新增 QuantizeLinear 内核和 Cast 的 int8 支持，解决 W3C WebNN 一致性测试在禁用 CPU 回退时暴露的功能缺口。QuantizeLinear 支持 f32/f16 输入及 int8/uint8 输出，覆盖 opset 10–24；由于内核使用 f32 执行除法，opset 23/24 仅注册 f32 类型的 y_scale，并同步调整内置与插件 EP 的能力判定。底层着色器输出逻辑修复了超过 maxStorageBufferBindingSize 时分段写入的字节通道打包问题，保障此类输出的数据正确性。测试侧扩展了量化与 Cast 覆盖，并补充一维分块 uint8 DequantizeLinear 回归用例，覆盖 f32/f16 scale 以及显式和推断的 block_size=2。整体改动提升了量化模型在 WebGPU 上的算子覆盖与兼容性，但提供的信息没有性能基准，不能据此量化推理加速收益。
该 PR 针对 W3C WebNN 一致性测试暴露的 ONNX Runtime WebGPU EP 精度与溢出问题进行修复，重点是在 float16 推理中使用 f32 完成关键中间计算。归约实现将共享内存路径的累加器和工作组数组提升为 f32，并让朴素路径的 ReduceSumSquare、ReduceL2 在 f32 中执行平方；ReduceLogSumExp 则采用减去最大值的稳定算法，分别通过共享路径的两阶段计算和朴素路径的在线计算实现，同时对齐 CPU 内核对无穷值的处理。InstanceNormalization 的每通道中间 scale/shift 保持为 f32，Erf、Exp、Tan 的计算也调整为 f32，相关改动还涉及 BiasGelu 和 BiasSplitGelu 对公共实现的调用。新增的 WebGPU 专用回归测试禁用 CPU EP 回退，以确保验证的是 GPU 实现；这些调整旨在改善数值稳定性和一致性，但提供的信息不包含性能基准，无法判断额外的 f32 运算及存储对吞吐和延迟的具体影响。
该 PR 在 ONNX Runtime 中新增内部融合目标 com.microsoft.Log1p，并为 CUDA 和原生 WebGPU EP 实现对应内核，将标准 ONNX 的 Log(Add(x, 1)) 或 Log(Add(1, x)) 融合为直接接收原始 x 的计算，避免先加一导致微小值丢失。融合在 EP 分配后的 Level2（EXTENDED/ALL）优化阶段执行，要求 Add 与 Log 属于同一受支持 EP，且常量为类型匹配、不可覆盖、精确等于 1 的初始化器，广播不能扩展输入秩；Add 存在其他消费者或作为图输出时则保留原图。此前的 FP32 Exp 仍作为独立节点和舍入边界，不会被合并为更大的计算表达式；CPU、已弃用的 JSEP 及其他 EP，以及关闭优化或仅启用 BASIC 的配置均不受此次融合影响。该改动有望减少 CUDA/WebGPU 上的算子调度和中间张量开销，但未提供性能基准；导出模型仍使用标准 ONNX 表达，无需新增标准算子、升级 opset 或调整依赖，并补充了融合及算子测试与文档。
该 PR 补齐 W3C WebNN 一致性测试转换为 ONNX 后所需的 WebGPU 算子与整数类型支持，解决禁用 CPU EP 回退时因缺少内核而导致的图构建失败。逻辑运算新增 bool 类型的 Or/Xor，其中 Xor 使用 WGSL 的 != 实现，以适配 vec4<bool> 不支持 ^ 的限制，并测试标量、向量尾部及多种广播路径。IsNaN/IsInf 通过原始 IEEE-754 位模式判断特殊值，避免 WGSL 在假设浮点数有限时优化掉常规 NaN 检测，同时直接从原始字拆分 f16 分量而不转为 f32。文件路径还表明改动涉及其他一元逐元素运算、Slice 的类型适配，以及 Round、Sign、Softsign、Abs、Neg 等测试，但描述被截断，无法确认这些算子新增支持的具体整数类型与完整版本范围。各提交均配有固定使用 WebGPU 且禁用 CPU 回退的单元测试，主要提升 WebNN 到 ONNX 执行链路的兼容性与 GPU 算子覆盖率，现有信息未提供性能收益数据。
该 PR 钥对 W3C WebNN 一致性测试暴露的 ONNX Runtime WebGPU EP 能力缺口，修复 channels-last 布局的双线性 Resize，并新增 LpPool 和 GlobalLpPool 内核支持。Resize 双线性程序改为显式接收高、宽轴：对满足 scales[1] != 1 的四维输入插值第 1、2 维，否则仍插值最后两维，同时将布局纳入程序缓存键，避免不同布局错误复用程序。池化相关实现、接口和 EP 内核注册均有扩展，并新增池化测试；Resize 则增加 f32、f16 channels-last 上采样测试，禁用 CPU EP 回退以验证 WebGPU 路径。这些改动提升了 WebNN 模型在 WebGPU 上执行的正确性和算子覆盖度，但所给描述缺少 LpPool 的具体参数、类型支持范围及性能测量，无法据此断言完整兼容性或量化加速收益。
此次改动为 ONNX Runtime 的 WebGPU 执行提供程序中 opset 7–13 和 14 的 GRU、LSTM 注册 float16 类型支持，使这些算子能够接受半精度输入。门控计算沿用着色器中的 f32 加载与累加逻辑，同时将循环隐藏状态、LSTM 单元状态及 GRU 的更新门和重置门暂存数据保留为 f32，避免每个时间步都舍入到 f16 导致误差累积。状态复制着色器通过 dst_element_t(...) 显式转换目标类型，并让从 f32 状态写出图输出的程序将输出类型纳入着色器缓存键，避免不同输出类型错误复用缓存。新增测试固定使用 WebGPU 并禁用 CPU EP 回退，以验证原生执行路径；这一改动扩展了半精度模型的兼容性，但未提供性能基准，不能据此认定推理速度或显存占用有所改善。
该 PR 针对 ONNX Runtime 原生 WebGPU 执行提供程序的正确性审计问题，修复合法模型在可选输入缺失、空张量及边界形状下的崩溃、错误结果和无效 WGSL 生成。关键改动涵盖 Slice 反向坐标、Einsum 省略号与广播索引、Resize 的秩及 ROI 处理、布尔 Where 存储访问和整数运算，并纠正 Attention 可选缓存输出及不同 key/value 头宽度的处理，使历史缓存的读取不再依赖是否请求缓存输出。数值方面，半精度 Softmax、平均池化、混合类型 BatchNorm 和反量化采用 FP32 中间计算，归一化算子引入补偿均值与中心化方差计算，以降低累加误差和消减误差。执行提供程序还修复了图捕获失败后的回滚，避免将失败推理缓存为可成功重放的图；整体主要提升模型兼容性、数值可靠性与运行稳定性，但现有信息未提供性能基准，无法判断对吞吐或延迟的具体影响。