[Optim] SWA related performance optimization (part 3/3)

[Enigmatisms]

本 PR 主要实现了 analytical 的 local 以及 causal 操作：

• FM4 不支持 local，在 bwd 中，我们希望通过 local 的 window_size 信息快速地跳过一些无效块。目前主要支持的 window_size_left，right（non-causal window, 如 GSWA 不支持）
• FM4 在 CP 下不支持 causal，但 contiguous 切分模式的 causality 不会受切分影响，只要传入一个 Q 的 rank offset 即可。

这是三个拆分优化的第三个：

• 依赖：[Optim] SWA related performance optimization (part 1/3) #162
• 与 [Optim] SWA related performance optimization (part 2/3) #161 独立