[Feature] support mtp logprob

[Deleter-D]

接口请求方法参考#4467

从推理层面来看，每个step会产生两条消息，分别来自Target模型和Draft模型。

• Target模型根据seq_lens_this_time返回即可；
• Draft模型只在第一个Draft Step返回根据Target模型的hidden states推理出的tokens及对应logprobs，其他Draft Step产生的token则延迟到下一次验证后，借由Draft模型的重计算机制来返回正确的tokens及logprobs。

[paddle-bot]

Thanks for your contribution!

[wuyujiji]

@Deleter-D 您好，这个pr里rebuild_padding参数做了改动，会影响到iluvatar的ci，因为iluvatar rebuild_padding的实现是和nv gpu共用一个cu文件，后面诸如类似case的改动，在改了nv gpu分支API参数的前提下，能否也同时帮忙修改一下iluvatar的分支的API参数呢，这样能在一定程度上避免iluvatar ci挂掉的问题。除了iluvatar，我看了下metax，xpu也都是直接编译的nv gpu的实现，所以对这俩应该也会有影响。之前解决类似case的方式是，在import的时候区分一下backend，然后调用的时候就不用区分了，这样就能避免这类问题了
if current_platform.is_gpu():
from from fastdeploy.model_executor.ops.gpu import rebuild_padding
elif current_platform.is_iluvatar():
from fastdeploy.model_executor.ops.iluvatar import rebuild_padding
eilf ...

[Deleter-D]

@Deleter-D 您好，这个pr里rebuild_padding参数做了改动，会影响到iluvatar的ci，因为iluvatar rebuild_padding的实现是和nv gpu共用一个cu文件，后面诸如类似case的改动，在改了nv gpu分支API参数的前提下，能否也同时帮忙修改一下iluvatar的分支的API参数呢，这样能在一定程度上避免iluvatar ci挂掉的问题。除了iluvatar，我看了下metax，xpu也都是直接编译的nv gpu的实现，所以对这俩应该也会有影响。之前解决类似case的方式是，在import的时候区分一下backend，然后调用的时候就不用区分了，这样就能避免这类问题了 if current_platform.is_gpu(): from from fastdeploy.model_executor.ops.gpu import rebuild_padding elif current_platform.is_iluvatar(): from fastdeploy.model_executor.ops.iluvatar import rebuild_padding eilf ...

@wuyujiji 您好，多硬件这部分建议还是您方来根据变动修改，我这边没有环境来验证修改是否正确，这个PR的改动没有影响到xpu的CI，看看是否有其他原因。