[Bug] Error converting operator Attention

## 问题描述
在使用TVM 0.22.0版本导入ONNX模型（特别是使用opset 14的BGE模型）时，遇到了Attention操作符转换失败的问题。错误显示mask index形状不符合要求，即使已经尝试将所有mask相关输入设置为(batch_size, seq_len)的2D形状。

## 环境信息
- TVM版本：0.22.0
- ONNX模型：BGE模型，opset 14
- 操作系统：Linux
## 错误详情
### 完整错误堆栈
```
Error converting operator Attention, with inputs: [lv8, metadata["relax.expr.
Constant"][0] 
# Metadata omitted. Use show_meta=True in script() method to show it., metadata
["relax.expr.Constant"][0] 
# Metadata omitted. Use show_meta=True in script() method to show it., lv10] 
模型处理错误: mask index should be in shape of (batch_size, seq_len), 
             or (batch_size, seq_len, seq_len)
Traceback (most recent call last):
  File "/home/cyd/workspace/tvm/my_test/optimize_model_v3.py", line 85, in 
  load_and_optimize_onnx_model
    relax_module, params = from_onnx(onnx_model, shape_dict)
                           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "/home/cyd/workspace/tvm/python/tvm/relax/frontend/onnx/onnx_frontend.py", 
  line 4235, in from_onnx
    return g.from_onnx(graph, opset)
           ^^^^^^^^^^^^^^^^^^^^^^^^^
  File "/home/cyd/workspace/tvm/python/tvm/relax/frontend/onnx/onnx_frontend.py", 
  line 3865, in from_onnx
    self._construct_nodes(graph)
  File "/home/cyd/workspace/tvm/python/tvm/relax/frontend/onnx/onnx_frontend.py", 
  line 4046, in _construct_nodes
    raise err
  File "/home/cyd/workspace/tvm/python/tvm/relax/frontend/onnx/onnx_frontend.py", 
  line 4041, in _construct_nodes
    op = self._convert_operator(op_name, inputs, attr, self.opset)
         ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "/home/cyd/workspace/tvm/python/tvm/relax/frontend/onnx/onnx_frontend.py", 
  line 4141, in _convert_operator
    sym = op_function(self.bb, inputs, attrs, [self._nodes, self._params])
          ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "/home/cyd/workspace/tvm/python/tvm/relax/frontend/onnx/onnx_frontend.py", 
  line 2109, in _impl_v1
    assert mask_index_shape in (
           ^^^^^^^^^^^^^^^^^^^^^
AssertionError: mask index should be in shape of (batch_size, seq_len), 
             or (batch_size, seq_len, seq_len)
```
### 关键错误点
1. 断言失败发生在 onnx_frontend.py 第2109行，错误消息为："mask index should be in shape of (batch_size, seq_len), or (batch_size, seq_len, seq_len)"
2. 即使已经将所有mask相关输入设置为2D形状 (batch_size, seq_len)，仍然无法通过断言
## 复现步骤
1. 准备一个使用opset 14的ONNX模型（如BGE embedding模型）
2. 使用tvm.relax.frontend.onnx.from_onnx导入模型
3. 为模型输入设置形状字典，包括将所有mask相关输入设置为2D形状：
```
shape_dict = {
    'input_ids': (1, 512),
    'attention_mask': (1, 512),
    'dummy_mask_index': (1, 512),
    'EmbedLayerNormalization_0_dummy_mask_index': (1, 512)
}
```
4. 尝试转换模型时遇到断言错误
## 预期行为
TVM应该能够正确处理符合标准形状要求的mask索引输入，或者提供更清晰的错误信息和解决方案。

## 可能的解决方案
1. 检查 _impl_v1 函数中的断言逻辑，确保它正确处理模型中传递的mask索引形状
2. 考虑支持更多类型的mask索引形状，特别是对于opset 14及以上版本的ONNX模型
3. 提供更明确的文档说明TVM支持的mask索引形状格式
## 附加信息
该问题在使用ONNX Runtime作为替代方案时不会出现，ONNX Runtime能够完全支持此类模型。

Start in python/tvm/relax/frontend/onnx/onnx_frontend.py, especially _impl_v1 around line 2109 and the Attention conversion path. Reproduce the failure with the opset 14 BGE model and the supplied shape_dict, then trace the actual mask_index shape reaching the assertion. Done means the importer handles the reported valid case or emits a clear, actionable diagnostic, with coverage for the relevant mask shapes.

Written by the indexing model from the issue text.