llama.cpp b10099 改进 CUDA 上的 NVFP4 W4A4 量化

llama.cpp 项目发布了版本 b10099，其中包括对 CUDA 后端的重大更新，以改善 NVFP4 W4A4 激活量化。

• 融合每通道 amax 和量化内核以获得更好的性能。
• 在 NVIDIA 硬件可用时添加了对 nvfp4x4 内在函数的支持。
• 使用内在函数优化了比例搜索并恢复了每块 amax 计算。
• 实现了 32 字节加载和指针算术优化以减少开销。
• 特别针对 NVIDIA 保护了 builtin_align(32) 结构的使用，指出 HIP 兼容性问题。

此版本为 macOS、Linux、Windows、Android 和 openEuler 提供了更新后的二进制文件，涵盖 CPU、CUDA、Vulkan、ROCm、OpenVINO、SYCL 和其他后端。