opencl: flash attention 개선 (#25069)

• opencl: f16 및 f32를 위한 FA (Flash Attention) 커널 재작업

• opencl: flash-attention prefill prepass 커널

• flash_attn_kv_pad_f16은 tail KV tile을 BLOCK_N 배수로 패딩(pad)합니다.

• flash_attn_mask_pad_f16은 일치하는 mask tile을 패딩(pad)합니다.

• flash_attn_blk_f16은 각 query block당 KV tile을
  fully masked / mixed / fully unmasked로 분류하여,
  메인 커널이 fully-masked tile을 건너뛰고
  fully-unmasked tile에 대한 mask lookup을 생략할 수 있도록 합니다.

• opencl: q4_0 및 q8_0를 위한 FA 커널

• opencl: f32에서 q8_0/q4_0로의 set_rows 구현

• opencl: q4_0 및 q8_0를 위한 dequant (dequantization) 커널

• opencl: override 기능이 포함된 FA tile 튜닝 테이블 추가

• opencl: FA를 위한 host side 연결

• opencl: q4_0 MoE 텐서에 대해서도 SOA (Structure of Arrays) 적용

• opencl: 외관 수정 (cosmetic fix)

• opencl: 리팩토링(refactor) 및 주석을 통한 일부 코드 경로 명확화

• opencl: -cl-finite-math-only에 대한 infinity 오류 수정

---

Co-authored-by: Li He lih@qti.qualcomm.com

macOS/iOS:

• macOS Apple Silicon (arm64)
• macOS Apple Silicon (arm64, KleidiAI 활성화) 비활성화됨 (DISABLED)
• 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