llama.cpp b10728发布：CUDA闪存注意力引入XOR swizzle共享内存优化
新版本在CUDA后端为Flash Attention的K/V共享内存tiles加入XOR swizzle布局，并修复DGX Spark上的共享内存竞争问题，同时提供多平台二进制。
AI解读：llama.cpp的b10728版本主要针对CUDA后端做了一次底层优化：Flash Attention在把K和V矩阵放进共享内存时，改用XOR swizzle这种数据排布方式。通俗地说，这能减少GPU线程访问共享内存时的冲突，让数据读取更顺畅，从而可能提升推理速度。对在NVIDIA显卡上跑大模型、自己编译或使用官方预编译包的用户来说，这次更新还顺手修了DGX Spark上的一个共享内存竞争问题，避免偶发的计算错误。需要注意的是，这次改动只涉及CUDA路径，CPU、Vulkan等其他后端的性能不受影响；普通用户如果只是用现成版本跑模型，没有遇到问题就不必急着升级，但如果你在DGX Spark上跑Flash Attention且怀疑结果有误，升级b10728是值得的。
llama.cpp项目发布b10728版本，核心改动为CUDA后端的Flash Attention引入XOR swizzle共享内存布局优化，并修复DGX Spark上的共享内存竞争问题，同时提供多平台预编译二进制。