claw vibe代替human vibe，3小时把softmax较torch.softmax性能提高到3倍以上!（N=2048）

问题描述：

先看对比表（4060ti平台）

按 N 聚合后的中位 speedup（candidate vs torch）

场景	N=128	256	512	1024	2048	4096
fp16 / none	0.38x	0.55x	0.27x	1.41x	2.87x	1.02x
bf16 / none	0.39x	0.55x	0.48x	1.40x	2.39x	1.03x
fp16 / pad	0.78x	1.13x	2.00x	3.07x	3.72x	2.40x
bf16 / pad	0.80x	1.18x	2.00x	3.04x	3.38x	2.44x

在我开发的全自动交付平台上，这是我的设置，我仅仅给了一句话的要求：

梳理目前softmax优化版本的sota，设计能超过当前sota的softmax优化版本，你自己运行并给出结果的对比。