feat: support qwen3 dspark decoding on NPU with Python executor.

[yinjiawei01]

背景

当前 xLLM 已支持基于 C++/ATB 模型的 DSpark 推理，但 Python NPU 模型链路尚缺少以下能力：

• Target 模型中间层 hidden states 捕获；
• Target 与 Draft 模型之间的权重共享；
• Python Draft 模型的 Markov Head 和 Confidence Head；
• Python 模型与现有 C++ DSpark Worker 的接口对接。

本 PR 为 Qwen3 dense Python NPU 模型补充 DSpark 支持，同时抽取少量可供后续模型复用的通用组件。

主要改动

1. Target 中间层捕获

• 新增 AuxHiddenCapture，按 layers_to_capture 捕获 Qwen3 指定层的 residual hidden states；
• 保持配置中的层顺序，并将多层 hidden states 拼接后传递给 Draft 模型；
• 当未配置捕获层时，Qwen3 仍返回普通 Tensor，不影响原有执行链路；
• 扩展 Python executor，使其能够处理 (hidden_states, aux_hidden_states) 输出。

2. 通用 DSpark Python 组件

新增模型无关的 DSpark 基础组件：

• DSparkMarkovHead：根据前一个 token 计算低秩 Markov bias；
• DSparkConfidenceHead：计算每个 draft token 的置信度；
• DSparkForCausalLMBase：向 C++ runtime 暴露 Markov bias、Confidence Head 和权重共享接口。

这些组件可直接复用于后续其他 Python 模型的 DSpark 适配，模型实现只需负责 backbone、权重加载和 context hidden 注入。

3. Qwen3 DSpark Draft 模型

新增 Qwen3DSparkForCausalLM：

• 支持 DSpark checkpoint 配置解析和校验；
• 加载 Draft Transformer、context projection、Markov Head 和 Confidence Head 权重；
• 使用非因果 attention 完成 block draft forward；
• 将 Target 捕获的多层 hidden states 投影为 Draft context；
• 支持从 Target 共享 embedding 和 LM Head；
• 当前要求 Target 与 Draft vocabulary size 一致。

4. C++ 与 Python 模型桥接

扩展 PyCausalLM：

• 支持获取 Python 模型输出的 auxiliary hidden states；
• 转发 DSpark Markov bias 和 Confidence Head 调用；
• 支持 Target 到 Draft 的 Python 权重共享；
• 将 Qwen3 DSpark 配置中的 markov_rank、Confidence Head 开关传递给 Python 模型。

同时调整 DFlash/DSpark 初始化逻辑，优先调用统一的 share_weights_from 接口，并保留原有 C++/ATB 模型的权重共享方式。

5. 配置与注册

• 新增 python_model_path 配置，用于指定 Python 模型模块搜索路径；
• 注册 DSparkDraftModel 到 Python 模型 Registry；
• Python 模型模式下自动使用 TORCH NPU kernel backend；
• Draft worker 不再创建 tokenizer，也不会执行仅属于 Target worker 的 JSON grammar 预热；
• 支持从 Qwen3 Draft config 读取：
  • markov_rank
  • enable_confidence_head
  • confidence_head_with_markov

执行流程

Target Qwen3 Python forward
  → 捕获配置指定层的 hidden states
  → Python executor 返回 hidden + aux_hidden
  → DSpark Worker 构建 block draft 输入
  → Qwen3 DSpark Draft 注入 target context
  → 非因果 block forward 生成 base logits
  → Markov Head 根据前序 token 修正每个位置的 logits
  → Confidence Head 输出 draft token 置信度
  → 复用现有 DSpark validation 和 rejection sampling

测试覆盖

新增以下测试：

• DSpark Markov Head 和 Confidence Head；
• Qwen3 中间层捕获及输出顺序；
• Qwen3 DSpark 配置校验；
• Draft 非因果 attention；
• context projection 和 KV cache 写入；
• Draft checkpoint 权重加载；
• Python 模型 Registry；
• Qwen3 DSpark 配置到 ModelArgs 的传递。

[zhang-minchao]

Because this is a newly added source file, starting directly with the module docstring omits the required copyright and license header. Please add the 2026 project header as required by .agents/skills/code-review/references/custom-code-style.md:39-49.