完成了 4 个小任务。
任务 3 和 4 都用了并行基数排序的方法实现，但实现的 RadixSort 比 cub::DeviceRadixSort::SortPairs 慢了好多。
加入了 .clang-format
实现了 ReduceSum 中维数较多时的分块实现，并测试了效率（大约比 CPU 快 15 倍）。
实现了 RadixSort 中块内也并行计算的实现（v3），并测试了效率（大约比上一个写的快不到 1 倍，比 cub::RadixSort::SortKeys 慢 6~7 倍）。
给 RadixSort 卡了卡常，现在运行时间大约是 cub::RadixSort::SortKeys 的 4~5 倍。