v2.3.0

v2.3.0：arm64 多档指令集 + FlashAttention + KV 量化

1. 多档指令集：让新芯片跑更快的量化内核

以前是单一构建，固定 armv8.2-a+dotprod+fp16，所有 arm64 机型只能跑同一档，且缺 dotprod 的老机被直接拒绝。
现在改用 GGML_CPU_ALL_VARIANTS，为 Android arm64 编出多份 CPU 后端，运行时由 ggml_backend_score() 按 HWCAP 打分，只加载分数最高的那一档：

后端	指令集	典型芯片
android_armv8.0_1	基线 armv8-a	所有 arm64（兜底）
android_armv8.2_1/2	dotprod / +fp16	2018 年后的处理器
android_armv8.6_1	+i8mm	骁龙 8 Gen 1+ / 天玑 9000+ 等
android_armv9.0_1	+SVE2	天玑 9200+ 等
android_armv9.2_1/2	+SVE/+SME	最新旗舰

产物反汇编核对：armv8.0 档 0 条 sdot/smmla，armv8.2 档 747 条 sdot，armv8.6 档额外 174 条 smmla(i8mm)，armv9.0 档 308 条 smmla。

兼容性反而更好：基线改回 armv8-a 后，移除了原先 dotprod+fp16 的硬门槛，老 arm64 也能跑了。

2. FlashAttention + KV 缓存量化

• 上下文开启 flash_attn_type = AUTO（模型支持时减少注意力读写）
• KV 缓存量化为 q8_0：注意力读写量减半，KV 内存约为原来的 1/2

3. 输出上限进一步放开

• 单次最长输出默认 1024 → 4096（可调至 8192）
• 默认上下文 4096 → 8192（可调至 32768）
• 输出必须挤在上下文里（上下文 = 提示词/历史 + 本次输出），设置时会自动收敛到 3/4 以内
• 新增「继续生成」：长按回复即可接着往下写

说明

• 本次为纯 CPU 推理：Vulkan/OpenCL 卸载所需工具链（glslc / Vulkan SDK）在构建环境不具备，未启用
• 因此提速幅度与芯片强相关：支持 i8mm/SVE 的新机型收益最大（量化矩阵乘走 smmla），老机型与之前持平
• 由于多了几份后端 .so，安装包由 12 MB 增至约 17 MB
• 安装包为 CI 正式签名（与仓库 dist/ 同一签名），可直接覆盖安装

Full Changelog: v2.2.0...v2.3.0