RadixAttentionをTrellisに導入

RadixAttentionは、TrellisフレームワークにおけるAttentionメカニズムの計算効率を向上させるための新しい手法です。従来のAttentionと比較して、計算量とメモリ使用量を大幅に削減し、大規模モデルの学習と推論を高速化することが期待されます。特に、シーケンス長が長くなる場合にその効果が顕著になります。