Support d != dv test, add varlen test.

[baoqiwen]

功能支持

1. 测试时支持 d != dv。主要是 d=192, dv=128 的场景。
2. 新增 fa4 varlen torch 的性能测试代码 -- benchmark_fa4_varlen_torch.py
   • 用 fa4 官方代码测：
     • from flash_attn.cute.interface import _flash_attn_fwd, _flash_attn_bwd
   • 用迁移到 fm 仓库的 fa4 代码测：
     • from flash_mask.flash_attn_v4.torch.interface import _flash_attn_fwd, _flash_attn_bwd
3. 新增 fa4 varlen paddle 性能测试代码 -- benchmark_fa4_varlen_paddle.py
4. 新增 fa4 varlen paddle 精度测代码 -- test_flashmask_varlen.py
   • from flash_mask import flashmask_attention

tips

1. benchmark_fa4_mask_mod.py

   • d=192，dv=128时，fa4 不支持 mask_mod is not None 的场景。因此，只测 Full、Causal。
   • 如果有 triton 内置 ptxas 不认识 sm103 相关的错，记得 pip3 install triton==3.6.0。

2. fa4 官方并未合入 d=256 dv=256 代码。

   • fa4 相关代码默认都不进行 d=256 测试。如果要测，拉 Feat([FA4][CUTE DSL]) Add head_dim=256 support (forward + backward) Dao-AILab/flash-attention#2412