b11730: cuda: 사용 가능한 작업량에 맞춰 MMQ Stream-K 블록 제한 (#30553)

요약

CUDA 커널 최적화와 관련된 업데이트 내용입니다. Stream-K 블록 제한을 통해 작은 행렬 연산에서 발생하는 불필요한 CUDA 블록과 오버헤드를 제거했습니다. 또한, 모든 출력 타일에 걸친 k 반복 횟수로 그리드를 제한하여 효율성을 높였습니다.

핵심 포인트

• Stream-K 블록 제한으로 과도한 CUDA 블록 및 오버헤드 제거
• 작업량에 맞춰 그리드를 제한하여 성능 최적화 달성
• MUL_MAT 및 MUL_MAT_ID 백엔드가 RTX 5090에서 테스트 통과