ONNX Runtime发布v1.29.1补丁版，新增双向GroupQueryAttention支持
该补丁版在v1.29.0基础上改进GroupQueryAttention能力与KV-cache布局，更新插件Execution Provider性能工具，并修复图谱与优化器问题。
AI解读：这是一次小版本修补，主要围绕注意力机制和KV缓存布局做改动，同时带上几个针对性修复。
受影响最大的是用ONNX Runtime跑大模型推理、尤其是自定义注意力实现和插件式加速器的开发者：CPU和CUDA现在可以通过一个向后兼容的causal属性走双向GroupQueryAttention，缓存布局也多了一条BNHS选项。
这些改动不承诺具体性能数字，需要在自己的模型和图谱上验证；普通用户不必立即行动。
ONNX Runtime发布v1.29.1，这是基于v1.29.0的补丁版本，包含GroupQueryAttention能力与KV-cache布局改进、插件Execution Provider性能工具更新，以及针对性的图谱与优化器修复。
在GroupQueryAttention方面，该版本通过向后兼容的causal属性，为CPU和CUDA增加了双向GroupQueryAttention支持，并对不支持的执行路径做显式处理（#31704）。
KV-cache布局与attention_bias支持
该版本新增了一项session选项和Execution Provider元数据约定，用于使用BNHS Value KV-cache布局，并通过图变换保持与现有BNSH算子schema的兼容（#32139）。
CPU侧新增对attention_bias配合滑动窗口KV cache的支持，包括显式position IDs和逐出后的bias索引（#32302）。
性能工具与修复
运行时与性能工具方面，修复了Compile API在同时使用输出模型回调和自定义initializer位置回调时的模型序列化问题，避免生成的模型出现重复图字段（#32303）。
onnxruntime_perf_test更新为使用插件Execution Provider的设备分配器处理生成的输入、加载的测试数据和预分配输出，避免每次运行产生不必要的host/device拷贝（#32244）。
缺陷修复与文档
该版本加固FastGelu融合，跳过格式错误的Mul和Pow模式（#32016）；为内存内外置initializer引用增加校验，在图变换前拒绝未注册或不匹配的数据（#32042）；并通过将固定版本的Doxygen下载切换为官方GitHub release资产，恢复C API文档工作流（#32210）。
该版本共有 7 位贡献者。发布说明注明，发布要点由AI辅助起草，并经过发布团队审核。