Differential Transformer V2

Differential Transformer V2（DIFF V2）正式公开，通过将 Query 头翻倍但保持 KV 头数量不变，无需自定义注意力算子即可达到媲美标准 Transformer 的解码速度。该版本还移除了 V1 中的逐头 RMSNorm，解决了大规模预训练时的梯度暴增与数值不稳定问题，并可消除注意力黑洞，相关代码已在 GitHub 开源。