v2.6.1

# 发版说明
此版本在新功能方面，引入了对Fake GroupWise Quant的支持，有助于用户更好地进行模型量化。同时新增了图神经网络训练引擎PGLBox，支持超大规模图模型GPU多机多卡高效训练。此外，增加了对自定义设备的支持，进一步扩展PaddlePaddle的功能范围。在bug方面，解决了一些核心功能、数据加载以及网络通信等方面的问题。修复了多个安全问题，包括一些潜在的安全漏洞，进一步提高框架代码安全性，并更新了安全公告。

## 新特性
- **支持Fake GroupWise量化（#61900）**：新增对一种量化方法的支持，可以提高模型的性能效率。
- **支持图神经网络GPU训练（#60495，#62111）**：新增图神经网络训练引擎PGLBox，支持超大规模图模型GPU多机多卡高效训练。
- **其他改进**：支持tile op int8模式推理，并添加vlog语句 (#60261)，repeat_interleave支持bfloat16数据类型的Tensor输入 (#61854)，自定义设备支持动态图模式的c_embedding算子 (#60774)，在CINN（自定义中间网络）框架中，将IntrinsicOps添加到`ir_codes_collector`中。

## Bug修复
- **修复权重量化内核错误（#60184）**：解决了在权重量化内核中当`n`不能被64整除时的问题。
- **修复量化感知测试问题（#61211）**：修复了量化感知训练（QAT）测试中的问题，以确保其正常运行。
- **修复Paddle-TRT集成问题（#61806, #61605, #61966）**：对Paddle-TRT集成进行了多项修复，包括缓存键值(KV)量化和单元测试失败问题。
- **禁用LLM_INT8 UT（#62282）**：禁用了大型语言模型（LLM）INT8精度的单元测试，以避免不必要的运行时。
- **修复test_benchmark单测编译失败问题（#61427）**：修复了test_benchmark单测编译失败的问题#60092。
- **修复工具包的数据加载器（#61867）**：对工具包的数据加载器进行了必要的更正。
- **修复put_along_axis系列问题（#62065）**：对reduce参数新增支持min/max/mean三种可选值，修复了reduce=add/mul下的反向梯度计算Bug， 修复了reduce=mul下的GPU前向计算Bug，修复了size过大时的前向计算Bug。
- **修复Windows平台下的编译Bug（#60308）**：修复windows平台下的编译找不到common库的bug。
- **修复OpenSSL-CPU编译错误（#62079）**：修复cpu-openblas编译场景中未正确链接 Python 库导致的编译bug。

## 安全修复
- **修复安全问题（#61161, #61294, #61032, #61285, #61162, #61389, #61356, #61827）**：修复了涉及绘图功能、解压缩和命令执行的多个安全问题，以确保框架的安全性和完整性。
- **禁用特定测试（#60173, #60662, #60786）**：禁用了某些未通过或不适用于特定配置或版本的测试。
- **修复框架不同组件Bug（#61631, #62117, #60840, #62104, #60217, #60930, #61380）**：在框架的不同组件中修复了各种Bug。
- **修复自定义设备功能（#60616）**：打开自定义设备中生成器偏移量的编译控制。
- **内存和分配检查（#60208, #60545, #61847, #62111, #62057, #62278）**：实施了与内存分配和管理相关的检查和修复，以防止崩溃并提高稳定性。

## 文档
- **文档风格改进（#61688）**：改进了文档的样式和格式。
- **安全公告更新（#60532, #60649）**：更新了2023年的安全公告，以通知用户潜在的安全问题。