[flashinfer] Hopper FP8 GEMM+AllReduce 융합 커널의 Grid Lockstep Throttle: CTA가 앞서 달리지 못하게 해서 최대 1.32배 빨라지기대형 sm_90a 호출에서 CTA 간 진행 격차를 2 라운드로 제한해 GEMM+AllReduce를 최대 1.325x 가속#CUDA#Hopper#FP8#GEMM#AllReduce#FlashInfer#Persistent Kernel#TMA2026년 11월 8일댓글 수 로딩 중