Refactor: Merge 2 MHA paths

[Chamberlain0w0]

从 PR #163 提出来的一部分，修改目前 MHA 实现。

1. 原来的 TransformerConfig::attention_type = kStandard / kRoPE 不太合适，Megatron 及其他开源实现中通常把 attn_type 分为 self/cross。这块命名更改为 Megatron 中使用的 --position-embedding-type，可选值为 learned_absolute / rope / yarn / mrope / relative / none。相应地修改创建 WPE/apply rope 的相关条件判断。
2. 删除了 CausalSelfAttention::ForwardStandard 和 ForwardWithRoPE 两条分支，合并成一个统一的 Forward。GQA 也被纳入统一路径。
3. ApplyRotaryEmbedding 从 CausalSelfAttention 成员函数提到了 transformer utils.cc
4. causal mask buffer 现在无论 learned absolute 还是 RoPE 都会初始化；如果外部没有传 mask，会 fallback 到内部 causal mask。这个对 RoPE 直接调用且不传 mask 的场景是一个小的行为统一。

[kilinchange]

麻烦贴一下测试结果截图。

[Chamberlain0w0]

ctest：

[Chamberlain0w0]

3025 上运行测试，3026 上运行对比：