Delta-Matching 实现全 FP8 注意力训练并使 loss 追平 BF16

Delta-Matching 让 softmax 注意力的七个核心矩阵乘全部采用 FP8，在 1.67B GDN/GQA 模型上取得 1.4162 的 CE，优于 BF16/FP32 的 1.4178，并显著优于朴素 FP8 的 1.8970。