gated_delta_net 이후의 불필요한 CUDA 복사 제거. (#23940)

• gated_delta_net 이후의 불필요한 CUDA 복사 제거.

현재 GDN은 순환 상태(recurrent state) 스냅샷을 출력 테일(output tail)에 기록한 다음, 그래프가 즉시 해당 스냅샷을 ssm_states_all로 복사합니다. MTP 초안 길이(draft length)가 3일 때, 타겟 디코딩(target decode)은 K=4를 사용하므로, 이는 4번의 추가적인 ggml_cuda_cpy 호출이 됩니다.

이번 변경 사항은 gated_delta_net -> view -> cpy 패턴을 감지하여, 안전할 경우 중간 테일 쓰기(tail writes) 및 복사 커널(copy kernels)을 건너뛰고 CUDA GDN 커널이 상태 스냅샷(s)을 순환 캐시(recurrent cache)에 직접 기록하도록 합니다.

• 리뷰 의견 반영

macOS/iOS:

• macOS Apple Silicon (arm64)
• macOS Apple Silicon (arm64, KleidiAI 활성화됨) 비활성화됨
• macOS Intel (x64)
• iOS XCFramework

Linux:

Linux:

• Ubuntu x64 (CPU)
• Ubuntu arm64 (CPU)
• Ubuntu s390x (CPU)
• Ubuntu x64 (Vulkan)
• Ubuntu arm64 (Vulkan)
• Ubuntu x64 (ROCm 7.2)
• Ubuntu x64 (OpenVINO)
• Ubuntu x64 (SYCL FP32)
• Ubuntu x64 (SYCL FP16)

Android:

• Android arm64 (CPU)

Windows:

Windows:

• Windows x64 (CPU)
• Windows arm64 (CPU)
• Windows arm64 (OpenCL Adreno)
• Windows x64 (CUDA 12) - CUDA 12.4 DLLs
• Windows x64 (CUDA 13) - CUDA 13.3 DLLs
• Windows x64 (Vulkan)
• Windows x64 (OpenVINO)
• Windows x64 (SYCL)
• Windows x64 (HIP)**

openEuler:

• DISABLED
• openEuler x86 (310p)
• openEuler x86 (910b, ACL Graph)
• openEuler aarch64 (310p)
• openEuler aarch64 (910b, ACL Graph)**

UI:

• UI