v29.0 — BF16 grouped Dispatch transport options

保留 CTASP，Dispatch 支持独立选择 cp.async/TMA 与 staging 行数门槛：0 保持旧策略，32/64/128/256 等正值显式启用；完整 panel ready、同步协议和 GEMM 参数不变。

EP4 全量 255 点，250 有效、5 显存不足。有限候选离线选优后，满148SM强纯GEMM保留率79.01%→80.16%，同轮吞吐几何平均+1.45%；小token81.88%，大token78.62%。有收益用新配置，否则保留旧配置。

两份随机输入、Graph10+50及变长路由正确性验证；优胜配置尚未独立复测，不宣称全局最优或达到原85%目标。Combine生产算法、Projection和SM90未优化。最终表、逐点配置和复现方式：results/sm103/v29.0。按用户验收收口，不附调优流水账或原始profile。