llama.cpp b11980为SYCL后端加入DPAS flash attention内核，支持量化KV缓存
该版本让解码和小批量（1 至 31 个query token）直接在q4_0、q8_0 KV块上运行flash attention，不再进行标量反量化，也不再在每次调用时把整个缓存转成f16。发布说明给出B580上Llama 3.1 8B Q4_K_M、q4_0 KV、16K上下文tg128从 31.3 提升到 54.2 t/s。
AI解读：实现上Q.K在XMX上使用s8×s4与s8×s8 DPAS，V.P保持f16；由于joint_matrix没有s4，dpas.s4.s8以内联vISA实现。覆盖head size 64至 512、GQA至多 32，并支持attention sinks；prompt阶段仍使用原有内核。
性能数据出自发布说明：B580、Llama 3.1 8B Q4_K_M、q4_0 KV、tg128，16K上下文下从 31.3 t/s提升到 54.2 t/s。正确性方面FLASH_ATTN_EXT通过 4582/4584，与master上相同的 2 个失败一致。
该内核可用GGML_SYCL_FA_DPAS=0 关闭；PR过程中移除了 192 这一head size，并在文档中加入Wildcat Lake，另新增GGML_SYCL_SUPPORT_XMX选项并重命名XMX宏。提交注明Assisted-by: Claude。
llama.cpp发布b11980版本，其中PR #31125 为SYCL后端加入DPAS flash attention内核，用于量化KV缓存。发布说明称，解码和小批量（1 至 31 个query token）现在直接在q4_0和q8_0 KV块上执行flash attention，而不再走标量反量化，或每次调用把整个缓存转成f16。
内核覆盖范围与实现方式
发布说明描述，Q.K在XMX上使用s8×s4和s8×s8 DPAS，V.P保持f16；由于joint_matrix没有s4，dpas.s4.s8以内联vISA实现。
覆盖范围包括head size 64至 512、GQA至多 32，以及attention sinks。Prompt阶段仍使用原有内核，不切换到该路径。
- 解码与小批量：1 至 31 个query token
- 量化KV类型：q4_0、q8_0
- head size：64 至 512
- GQA：至多 32
- 支持attention sinks；prompt沿用旧内核
发布说明给出的性能与测试结果
发布说明给出的一组数据：B580、Llama 3.1 8B Q4_K_M、q4_0 KV、tg128，在 16K上下文下从 31.3 t/s提升到 54.2 t/s。该数字仅对应这一配置。
正确性方面，FLASH_ATTN_EXT为 4582/4584，与master上相同的 2 个失败一致。
- B580，Llama 3.1 8B Q4_K_M，q4_0 KV，tg128，16K上下文：31.3 → 54.2 t/s
- FLASH_ATTN_EXT：4582/4584，与master相同的 2 个失败
开关与PR中的调整
该路径可通过GGML_SYCL_FA_DPAS=0 关闭。PR记录的其他改动包括：移除 192 这一head size，在文档中加入Wildcat Lake，新增GGML_SYCL_SUPPORT_XMX选项并重命名XMX宏。提交注明Assisted-by: Claude。
- 关闭方式：GGML_SYCL_FA_DPAS=0
- 移除 192 head size；文档加入Wildcat Lake
- 新增GGML_SYCL_SUPPORT_XMX选项，重命名XMX宏