v24.0 — SM103 MXFP8 forward and complete backward baselines

典型泛化场景几何平均PFLOPS/卡：OProj前向2.249637、完整反向2.122491（各36点）；QKVProj前向2.200574、完整反向2.081297（各27点）。QwenDense作为补充场景保留全部逐点数据，不计入主汇总；包含它的原QKV全量均值为2.047223/1.870026（各33点）。这是统计分组调整，不是性能提升或普遍泛化证明。预取原全量同配置回归仍为O反向+1.44%、Q反向+1.82%，69/69观测点提升；典型场景Q反向预取收益+1.17%。

QKVProj / OProj MXFP8 双融合前向与完整 B+dW 反向。CP4/8×128K/256K/512K，合法几何分别固定33/36物理点；两份非零Philox分别Graph10+50及独立完整前后数值/路由校验。最终吞吐、配置与证据见 results/sm103/v24.0。

有效优化：寄存器内K32量化、合并FP8/scale写回、量化期间下一组输入cp.async预取；QKV反向完整head并行acquire、异步payload搬运、scale提前读取；独立dW GEMM布局与beta=0源无关epilogue。不削弱ready/fence或精度合同。

按用户接受的当前结果发布；典型场景汇总达到目标，不宣称原全量目标均达成或新增Auto。前向含动态BF16权重量化/GEMM/A2A；反向含必要转置量化、两次GEMM和路由。上游激活/梯度量化与跨CP dW归约为明确外部边界。

收拢SM103模块文档和优化总结，删除过时逐轮流水账；未引入额外核心公共文件。norm/RoPE默认关闭且仍实验性，不宣称特殊KDA/MLA/KV复制路由或完整模型训练验收。不附调参过程、profile、原始大日志或依赖。

统计说明更新于发布后，原 v24.0 tag 和算子代码保持不变。修订后的完整表格与统计口径。