perf: 默认 chunked注意力/chunk_users=8 — 本地14.25->7.92s(快44%)AUC不变

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

代码/code/infer.py

@@ -42,9 +42,9 @@ CONFIG = {
     "filter_test_users": True,  # 只处理含测试样本的用户（跳过会被丢弃的用户，省算力）
     # 实测：varlen 本地快(10.28s)但评测端慢(148s,嵌套张量构造开销随batch数放大)→已退回。
     # sdpa 是评测端验证最快(89.96s/58.86)。flex/compile/小batch/varlen 在评测端都更差。
-    # attn: "sdpa"(稠密mask) / "chunked"(按用户分块SDPA,降O(S²)) / "varlen"(评测慢) / "flex"(慢)
-    "attn": "sdpa",
-    "chunk_users": 16,        # chunked 模式下每块的用户数（切小拼接序列以降注意力O(S²)）
+    # attn: "chunked"(按用户分块SDPA,降O(S²),本地14.25->7.92s) / "sdpa"(稠密mask) / 其它对照
+    "attn": "chunked",
+    "chunk_users": 8,         # chunked 每块用户数（本地 8 比 16 更快；切小拼接序列降注意力O(S²)）
     # 稠密MoE去掉了 model(batch) 内唯一的同步点(MoE循环的.nonzero())。若评测计时不
     # synchronize，去掉同步点可能让被计时的 model(batch) 大幅缩短。本地force-sync看不出，
     # 须靠提交验证。AUC中性、MoE仅占2%算力故风险极低。