该 PR 为 onnxruntime-web 的标准非代理推理路径补齐 LoRA 适配器的 JavaScript 接口，允许从 URL 或 Uint8Array 加载 .onnx_adapter 文件，并通过单次 session.run 的 activeLoraAdapters 参数启用，不影响后续未指定适配器的推理。实现主要贯通公共 API、后端适配器管理、运行参数传递和 WASM C/C++ 绑定，复用已编译进 WASM 的原生 LoRA 能力，同时提供独立于会话的适配器生命周期及显式释放接口，并新增单元测试。支持范围明确限定于非代理路径，不能据此认为代理模式也已获得支持。所列改动未显示新增 WebGPU 算子或 GPU 内核优化，且缺少 WebGPU 执行提供程序的适配器兼容性测试与性能数据，因此无法确认具体模型在 WebGPU 上的可用性或推理性能影响。
该 PR 仅修复文档与贡献指南中的失效链接，改善开发者查阅发布说明、扩展算子和示例资源时的可达性，不涉及推理代码变更。主要调整包括补全 GitHub 目录链接中的 tree/main、将扩展算子文档指向合并后的 custom_ops.md，并将发布流程及 WebGPU 分页注意力设计文档中的技能路径从 .agents/skills 更正为 .github/skills。Python 文档改为引用实际发布的 v1.24.1 和 v1.13.1，两个 Notebook 的 ONNX Model Zoo 链接迁移至 validated/ 路径，不存在的高层推理设计文档引用则保留为纯文本。根据 PR 描述，新链接目标均已通过 GitHub API 确认存在；这些修改不改变 WebGPU 实现、GPU 推理性能或运行时兼容性，也不代表新增分页注意力功能。
该 PR 扩展了 ONNX Runtime WebGPU 执行提供程序中的量化混合专家算子 QMoE，使其接受 INT2 专家权重及不同全连接层使用不同整数位宽的配置，与此前 CUDA 引入的算子契约对齐。核心改动位于 QMoE 实现及接口，将 FC1、FC2、FC3 各自的位宽传递给现有 MatMulNBits，复用其已有的 2 位解包着色器能力，无需新增着色器路径。测试将原先拒绝混合位宽的用例替换为使用非零权重、FC1 为 INT2 且 FC2 为 INT4 的数值测试，覆盖优化后的单 token 执行路径。这些改动扩大了 WebGPU 对低比特及混合位宽 QMoE 模型的兼容范围，但目前仅完成格式和静态检查，WebGPU 构建、目标测试及既有回归测试仍待完成，也缺少性能测量，尚不能确认运行正确性或量化加速收益。
该 PR 将 WebGPU 命令录制与缓冲区复用跟踪解耦，移除 CommandRecordingState 中的互斥锁、待释放缓冲区列表和未提交工作标志，同时保留插件执行提供程序（EP）的并发能力。插件 Env 及不带显式 stream 的分配、传输操作改用独立录制并在返回前提交，而显式 stream 操作继续使用 Session 的录制并延迟提交，避免不同操作共享录制状态。BufferManager 在现有缓存锁保护下，仅为支持缓冲区复用的缓存按录制跟踪待释放资源，提交时只将对应录制的缓冲区归还池中，放弃录制时则释放保留引用。测试调整保留了分配器操作与同一 Session 的 Run 重叠执行的插件并发覆盖，并补充同一 Session 串行 Run、GPU 间传输、跨录制缓存复用和录制放弃场景，同时删除内置 WebGPU 并发测试并更新插件并发保证文档。该改动简化了录制状态同步与资源回收边界，但没有性能基准可量化收益，且描述末尾截断，无法据此确定内置 WebGPU 并发使用及并发图捕获的完整支持边界。
该改动修复了 ONNX Runtime WebGPU Execution Provider 在未启用 Resizable BAR 的独立显卡上上传模型初始化权重失败的问题：CPU 可直接访问的显存窗口受限时，大权重分配可能触发“Allocation size too large”。核心实现是在 WebGPU 上下文中根据 CPU 能否访问全部显存选择上传路径：满足条件时直接写入 GPU 内存，否则通过临时缓冲区中转，避免仅凭 Dawn 暴露 BufferMapExtendedUsages 就选择直接上传。修改还涉及上下文接口及相关测试，PR 描述确认 Qwen3-0.6B FP16 已能在受影响的 AMD Radeon RX 7900 XT 上加载并运行。该方案保留了支持完整显存访问时的直接上传路径，并提高了其他设备的兼容性；回退路径增加了中转复制，但现有信息未提供加载耗时或推理性能的量化数据。
该 PR 为 WebGPU PagedAttention 增加 q_norm_weight、k_norm_weight 和 qk_norm_epsilon 支持，解决 Qwen3.8 / DFlash2 路径因不支持这些输入而报错的问题，并覆盖独立及打包 QKV、有无 RoPE 的预处理场景。实现复用共享归一化着色器，逐头对 Q 和新追加的 K 执行 RMSNorm，归约与增益乘法采用 FP32，结果转为 FP16 后再进入旋转位置编码，以匹配 CUDA/参考实现的算术顺序；已有 K 缓存及所有 V 值保持不变。共享归一化的 FP32 算术模式为显式启用，不改变现有调用方的默认行为，同时在启用 Q/K 归一化时要求 epsilon 为有限正数。文件路径表明改动还涉及 GatedDeltaNet、FlashAttention 着色器、算子定义及相关测试和文档，但现有信息不足以确认这些关联修改的具体语义，也没有性能基准可用于量化新增归一化的开销或收益。
该改动将会话选项 enable_profiling 传递到 WebGPU 初始化流程，使 WebGPU EP 仅在会话启用性能分析时才请求 timestamp-query，避免普通推理无条件申请 GPU 时间戳查询能力。从修改路径看，配置传递覆盖了 provider 注册、Python 绑定及插件式 EP 工厂，并涉及 EP C API 与插件接口的配套调整。测试改动涉及 WebGPU 上下文和插件 EP，旨在验证相关初始化及配置传递行为，但现有信息未提供具体断言。此举可减少未启用 profiling 时对可选 WebGPU 特性的依赖，有助于改善兼容性；不过，缺少设备支持情况、失败回退逻辑和性能测量，无法确认具体兼容性收益或推理速度变化。
该改动针对 ONNX Runtime WebGPU 的量化 MatMulNBits，在报告支持相应能力的 AMD D3D12 适配器上优先选择子组大小为 64 的 16×16×16 FP16 subgroup-matrix 配置，同时保留 wave32 回退和其他适配器的既有配置偏好。实现上同步调整主机端配置与 WGSL 内核：小 M 使用宽 tile，较大 M 使用两个或四个 wave 共享反量化权重，并在必要时缩小 K 分块以整除 K，将 tile 尺寸纳入程序缓存键以区分不同内核配置。这些策略旨在通过权重共享和更大的 K 分块减少重复工作与同步开销；PR 描述称多数已测 prefill 形状获得性能提升，但未提供具体测试形状、硬件型号或加速幅度。新增独立的 WebGPU 4 位和 8 位正确性测试，覆盖三种 tile 策略及带或不带偏置、零点的情况，并显式选择 WebGPU、禁用 CPU 回退，避免回退执行掩盖 GPU 路径问题。
该 PR 将 D3D12 Agility SDK 运行时 DLL 随 Python wheel 一同分发，覆盖内置 WebGPU 执行提供程序（EP）的标准 ONNX Runtime 包和独立 WebGPU Plugin EP 包，减少 Windows 部署时手动准备运行时依赖的需求。改动涉及 CMake、标准包与插件包的 wheel 打包逻辑，并同步调整构建参数、Windows 插件 CI、测试及文档，使构建与分发流程配合运行时 DLL 的打包。其主要影响是改善 Windows 上 WebGPU 使用 D3D12 后端时的依赖分发与部署体验，而非直接优化 GPU 推理计算。现有信息未提供具体 DLL 版本、加载策略、系统与驱动要求或性能测试结果，因此不能据此确认兼容性范围扩大或推理性能提升。
该 PR 为 WebGPU 的 QMoE 增加块缩放 FP8 W8A16 推理支持，可直接使用 Qwen 3.8 Flash Next MTP 格式的专家权重，无需重新量化或展开为稠密权重。实现扩展了算子定义和 WebGPU 调度：当 quant_type="fp8" 且 block_size=128 时，读取形状为 [E, ceil(N/128), ceil(K/128)] 的 FP32 缩放张量，并通过新增 WGSL 着色器解码 E4M3 原始字节，在 FP16/FP32 累加过程中应用对应块的缩放。预填充采用直接专家派发，单 token 解码采用间接 top-k 专家派发，避免额外权重转换与稠密化开销，但未提供性能或显存实测数据，无法量化收益。不指定 block_size 时保留原有 CUDA 全局缩放 FP8 契约，整数、FP4、NVFP4 和 WFP4AFP8 行为不变，并新增具有不同专家缩放乘积的双专家精确性测试。验证信息确认 Windows Release 下 WebGPU provider 及 provider test 构建成功，但测试执行记录被截断，无法确认具体测试的运行结果。