b11985

metal：更快的 MXFP4 矩阵向量运算，为一元/二元/GLU 提供完整的线程组（#31075）* metal：通过完整线程组加速 MXFP4 矩阵向量内核 采用 fp16 位技巧解码 fp4 值，而非使用线程组查找表，并将打包的半字节数据以对齐的 32 位字加载。该内核不再使用线程组内存。* metal：以完整线程组启动连续的一元和二元运算 连续一元路径以及行广播二元路径曾每个线程组仅使用一个线程。现可为每个线程组最多使用 256 个线程，并对尾部进行边界检查。* metal：将 GLU 行拆分至多个线程组 之前，一条 GLU 行仅在单个线程组上运行，因此单行解码会为整个操作使用单一线程组。现可将每行拆分至最多包含 256 个线程的多个线程组中。**网站：** - **证明文件：** - **macOS/iOS：** - [macOS 苹果芯片