数组类(vector)算子 Shape 提取 —— 来源: d:\welink\智元_op_shape_list.xlsx [sheet: 算子与Shape] 筛选口径: 属组含 vector/Vector(含组合)、cube+vector 组合，以及组合类(组合？)与无属组但实为向量算子；共 49 条
O11 | VAE Linear Attention（组合） | torch.matmul + torch.softmax（组合） | Q/K/V[N,h,32,T] | 前向 | N=1～256；h={16,32,64}；T=48～6144，且T>32；补1后V的通道为33；覆盖VKᵀ、乘Q及归一化除法。 | BF16输入；FP32计算 | N | cube+vector 组合？？ O12 | VAE Quadratic Attention（组合） | torch.matmul + torch.softmax + torch.sum（组合） | Q/K/V[N,h,32,T]；分数[N,h,T,T] | 前向 | N=1～256；h={16,32,64}；T=1～32，包含6、24；同时保留原matmul与当前显式mul＋sum规避路径的对照。 | BF16输入；当前规避路径FP32 | N | cube+vector 组合？？ O13 | RMSNorm | aclnnRmsNorm | [R,D] | 前向＋适用反向 | R=1～1,572,864；D={64,72,128,256,512,1024,1152,2048,2560,3072,4096}；eps=1e-6或1e-5，按原模块取值。 | BF16输入；FP32归约 | Y | Vector O14 | LayerNorm | aclnnLayerNorm / aclnnLayerNormWithImplMode | [R,D] | 前向＋适用反向 | R=1～65,536；D={1024,1152,2048,2560,3072,4096}；affine及eps按原模块保留。 | BF16输入；FP32归约 | Y | Vector O15 | BatchNorm2d（eval） | aclnnBatchNorm（training=false） | [N,C,H,W] | 前向，解码时 | N=1～256；C={128,256,512}；H=16～512，W=24～768；固定running mean/var。 | BF16；FP32统计 | Y | Vector O16 | L2 Normalize | torch.nn.functional.normalize（无aclnn文档） | [B,L,H,128]或[R,D] | 前向＋适用反向 | Q/K：B=1～32，L=128～768，H={16,32}，D=128，eps=1e-6；融合池化：[B,J,D]，B=1～64，J=24～32，D={2048,2560}，eps按F.normalize源码。 | BF16 / FP32 | Y | Vector O17 | RMSNormGated（融合组合） | torch.nn.functional.rms_norm + torch.nn.functional.silu（组合） | x,z[B,L,H,128] | 前向 | B=1～32；L=128～768；H={16,32}；逐头RMSNorm×SiLU(z)。 | BF16输入；FP32归约/门控 | Y | Vector组合？ O18 | GELU（tanh近似） | aclnnGelu / aclnnGeluBackward | [M,F] | 前向＋适用反向 | M=1～27,648；F={4096,4608,8192,12288,16384}；保留tanh近似。 | BF16；FP32对照 | Y | vector O19 | SiLU | aclnnSilu / aclnnSwish（反向aclnnSwishBackward） | [M,F] 或 [N,C,H,W] | 前向＋适用反向 | 二维M=1～27,648，F=128～9216；卷积形状N=1～256，C=2048～16384，H=2～64，W=3～96；按对应路径配对。 | BF16 / FP32 | Y | vector O20 | ReLU | aclnnRelu / aclnnInplaceRelu | [E] | 前向 | E=1～2^31；包含从[N,h,32,T]和图像特征展平的张量。 | BF16 / FP32 | Y | vector O21 | ReLU6 | torch.nn.functional.relu6（无aclnnRelu6文档） | [N,C,H,W] | 前向 | N=1～256；C={128,256,512}；H=8～512，W=12～768；截断区间[0,6]。 | BF16 / FP32 | Y | 未标注 O22 | Sigmoid | aclnnSigmoid / aclnnInplaceSigmoid | [B,L,H] 或 [B,L,D] | 前向＋适用反向 | B=1～64；L=1～768；H={16,32}；输出门控D={2048,4096}；采样标量也覆盖[B]。 | BF16 / FP32 | Y | vector O23 | Softplus | aclnnSoftplus / aclnnSoftplusBackward | [B,L,H] | 前向 | B=1～32；L=128～768；H={16,32}；dt_bias沿最后一维广播。 | FP32 | Y | vector O24 | Tanh | aclnnTanh / aclnnInplaceTanh | [E] | 前向＋适用反向 | E=1～2^29；包含FFN大张量及[B,G]小张量，B=1～64、G=4～16。 | BF16 / FP32 | Y | vector O25 | Softmax | aclnnSoftmax / aclnnSoftmaxBackward | [B,H,Q,L] 或 [R,L] | 前向＋适用反向 | 注意力B=1～64，H=8～64，Q=1～1536，L=1～2304；小门控L=4～54。沿最后一维，保持实际mask。 | BF16输入可选；FP32归约 | Y | vector O26 | Exp | aclnnExp / aclnnInplaceExp | [E] | 前向＋适用反向 | E=16～2^26；包含[H]参数广播、[B,L,H]及chunk内部衰减矩阵。 | FP32 | Y | vector O27 | Add | aclnnAdd / aclnnInplaceAdd | [E]，含标量/通道广播 | 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vector O28 | Sub | aclnnSub / aclnnInplaceSub | [E]，含标量/通道广播 | 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vector O29 | Mul | aclnnMul / aclnnInplaceMul | [E]，含标量/通道广播 | 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vector O30 | Div | aclnnDiv / aclnnInplaceDiv | [E]，含标量/通道广播 | 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vector O31 | Pow / Square | aclnnPowTensorTensor / aclnnPowTensorScalar / aclnnSquare | [E]，含标量/通道广播 | 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vector O32 | Sqrt / Rsqrt | aclnnSqrt / aclnnRsqrt | [E]，含标量/通道广播 | 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vector O33 | Sum | aclnnReduceSum | [R,D] → [R] 或标量 | 前向＋适用反向 | R=1～1,572,864；D=1～16,384；同时覆盖全量归约E≤2^31与keepdim。 | BF16输入；FP32归约 | Y | vector O34 | Mean | aclnnMean / aclnnMeanV2 | [R,D] → [R] 或标量 | 前向＋适用反向 | R=1～1,572,864；D=1～16,384；按通道、token及整张量分别归约。 | BF16输入；FP32归约 | Y | vector O35 | Max / Min归约 | aclnnMaxDim / aclnnMinDim | [R,D] → [R] | 前向 | R=1～65,536；D=1～2304；保留values与indices的实际输出需求。 | FP32 / INT64 / Bool | Y | vector O36 | Clamp / Minimum / Maximum | aclnnClamp / aclnnClampTensor / aclnnMinimum / aclnnMaximum | [E] | 前向＋适用反向 | E=1～2^31；同时覆盖标量阈值、[B,1,1]及逐token阈值广播。 | BF16 / FP32 | Y | vector O37 | Where / Masked Fill | aclnnSWhere / aclnnInplaceMaskedFillScalar / aclnnInplaceMaskedFillTensor | 值张量＋可广播mask | 前向＋适用反向 | 值张量E=1～2^31；注意力mask可取[B,1,Q,L]，B=1～64，Q/L=1～2304；同时覆盖[B,1,1]条件mask。 | BF16 / FP32＋Bool | Y | vector O38 | RoPE / Sin / Cos（组合） | aclnnSin / aclnnCos + 自定义RoPE（torch.sin/cos/outer） | [B,L,D]或分头[B,H,L,d] | 前向＋适用反向/JVP | B=1～64；L=1～2304；D={512,1152,2048,3072,4096}；分头H={8,16,32,48,64}，d={64,72,256}。文本head=256只旋转64维；频率与旋转配对保持源码布局。 | BF16输入；FP32三角/计算 | Y | vector组合？ O39 | Embedding | aclnnEmbedding | indices[B,L]；weight[V,D] | 前向＋适用反向 | B=1～64；L=1～768；词表(V=248320,D=2048/2560)；位置(2304,1024)；view(10,D=512/2048/3072/4096)；body(14,6912)。 | INT64索引；BF16权重 | Y | vector O40 | Gather / Index Select | aclnnGatherV2 / aclnnIndexSelect | [B,L,D]及索引[B,K] | 前向＋适用反向 | B=1～256；L=1～2304；D=32～4096；K=1～L；覆盖沿batch与token轴选择。 | BF16 / FP32＋INT64 | Y | vector O41 | Masked Scatter | aclnnInplaceMaskedScatter | 目标[B,L,D]；源[P,D] | 前向 | B=1～32；L=128～768；D={2048,2560}；P=1～B×L，mask真值数必须与源元素数一致；P待实采。 | BF16值＋Bool mask | Y | vector O42 | Cat / Stack | aclnnCat / aclnnStack | 2～8份张量，沿batch/token/head拼接 | 前向＋适用反向 | 输出总量1KiB～8GiB；单块可取[B,L,D]，B=1～256、L=1～2304、D=32～16384；总量约束优先。 | BF16 / FP32 | Y | vector O43 | Repeat / Repeat Interleave | aclnnRepeatInterleave / aclnnRepeatInterleaveInt / aclnnRepeatInterleaveTensor | [B,L,D]或[N,C,H,W] | 前向＋适用反向 | 复制因子={2,3,4,8}；输出总量1KiB～8GiB；GQA按Hq/Hkv，候选组以4为基准。 | BF16 / FP32 / INT64 | Y | vector O44 | Transpose / Permute后的Contiguous | aclnnPermute + tensor.contiguous() | BHLD↔BLHD；NCHW↔channels-last | 前向＋适用反向 | 实际搬运1KiB～8GiB；注意力B=1～256、H=8～64、L=1～2304、D={32,64,72,128,256}；卷积按对应层shape。纯view单独记元数据开销。 | BF16 / FP32 | Y | vector O45 | Copy / Copy_ | aclnnInplaceCopy / torch.Tensor.copy_（H2D/D2H用.to()） | [E]或strided tensor | 拷贝 | 单次1KiB～8GiB；区分H2D、D2D、D2H；连续和非连续分别取样。 | BF16 / FP32 | Y | vector O46 | Dtype Cast | aclnnCast | [E] | 前向＋适用反向 | E=1～2^31；覆盖归约前上转与输出回转，以及非连续输入。 | BF16↔FP32 | Y | vector O47 | Pixel Unshuffle | torch.nn.functional.pixel_unshuffle，对应aclnninplacecopy | [N,C,H,W] → [N,4C,H/2,W/2] | 前向 | N=1～256；C=3～2048；H=4～512，W=6～768；factor=2，H/W必须可整除2。 | BF16 | ? | vector O48 | Pixel Shuffle | torch.nn.functional.pixel_shuffle,对应aclnninplacecopy | [N,4C,H,W] → [N,C,2H,2W] | 前向，解码时 | N=1～256；输出C=3～2048；H=2～256，W=3～384；factor=2，输入通道为4C。 | BF16 | ? | vector O49 | Pad | aclnnConstantPadNd / aclnnReflectionPad2d | [N,C,H,W]或[B,H,D,L] | 前向 | 图像N=1～256、C=3～512、H=2～512、W=3～768，padding=1～2；注意力D=32→33、L=1～6144；constant与reflect按路径区分。 | BF16 / FP32 | Y | vector O50 | Interpolate / Resize | aclnnResize / aclnnUpsampleNearest2d | [N,C,H,W] | 前向，路径依赖 | 建议N=1～64；C=3或512；H=2～512，W=3～768；scale=0.5～2。位置嵌入按48×48网格、D=1024做索引插值；CPU/设备落点待实采。 | FP32 / BF16 | Y | vector O51 | Randn / Randn Like | aclnnNormalFloatFloat / torch.randn | 视频[B,L,512]；动作[B,La,32] | 随机生成 | B=1～192；视频L=48～1536；动作La=1～216；额外标量/时间采样覆盖[B]。 | FP32 / BF16 | Y | vector O52 | Rand / Uniform | aclnnInplaceUniform / torch.rand | [B]、[B,L]及token分数 | 随机生成 | B=1～256；L=1～6144；同时覆盖候选分数[B,G]，G=4～16。 | FP32 | Y | vector O53 | Masked MSE Loss（组合） | aclnnMseLoss / aclnnMseLossOut（mask组合用torch） | 视频[B,L,512]；动作[B,La,32] | 前向＋反向 | B=1～192；L=48～1536；La=1～216；保留dense/sparse、padding与joint mask及有效元素分母。 | FP32损失与归约 | Y | vector O54 | TopK / Sort | aclnnTopkV2 / aclnnSort / aclnnArgsort | [B,G]或[B,F,T] | 前向 | 候选B=1～64，G=4～16，k=1～G（源码基准G=4、k=1）；token采样B=1～192、F=1～9、T=6～384；token_dropout开启才使用后者。 | FP32＋INT64索引 | Y | vector O55 | Cumsum | aclnnCumsum / aclnnCumsumV2 | [B,G]或[images] | 前向 | B=1～64，G=4～16；视觉图像/时间片计数长度1～256。 | FP32 / INT32 / INT64 | Y | vector O56 | Quantile / Median / Std | aclnnMedian / aclnnStd（quantile用torch.quantile） | [B,G] → [B]或标量 | 前向 | B=1～64；G=4～16，包含基准4；quantile=0.5与std(unbiased=False)保持源码语义。此组通常为小张量开销。 | FP32 | Y | vector O57 | AdamW（含foreach/融合更新） | aclnnApplyAdamW / aclnnApplyAdamWV2（混合精度用torch.optim.AdamW） | 参数、梯度、m、v：同长[E]或tensor list | 参数更新 | 单tensor E=1024～2^28；tensor list=1～256个；总元素量按真实参数分组/分片匹配；实际fused/foreach实现待实采。 | FP32状态；参数按实际dtype | Y | vector O66 | AdaLN / Scale-Shift-Gate（组合） | aclnnAdaLayerNormV2 / torch.nn.functional.layer_norm + scale/shift/gate（组合） | x[B,L,D]；调制[B,6D]或[B,L,6D] | 前向＋反向 | B=1～128；L=1～1536；D={1152,2048,3072,4096}；调制宽度6D=6912～24,576，按D配套；包含逐token时间与样本级广播。 | BF16；归一化部分FP32 | N | 组合？ O67 | FFN / SwiGLU（组合） | aclnnSwiGlu / torch.nn.functional.silu + linear（组合） | [M,D] → [M,F] → [M,D] | 前向＋适用反向 | M=1～27,648；(D,F)={(1024,4096),(1152,4608),(2048,6144),(2048,8192),(2560,9216),(3072,12288),(4096,16384)}；GELU两层与SiLU门控三投影分别按源码执行。 | BF16；FP32对照 | N | 组合？
Q/K/V[N,h,32,T]
Q/K/V[N,h,32,T]；分数[N,h,T,T]
[R,D]
[N,C,H,W]
[B,L,H,128]或[R,D]
x,z[B,L,H,128]
[M,F]
[M,F] 或 [N,C,H,W]
[E]
[B,L,H] 或 [B,L,D]
[B,L,H]
[B,H,Q,L] 或 [R,L]
[E]，含标量/通道广播
[R,D] → [R] 或标量
[R,D] → [R]
值张量＋可广播mask
[B,L,D]或分头[B,H,L,d]
indices[B,L]；weight[V,D]
[B,L,D]及索引[B,K]
目标[B,L,D]；源[P,D]
2～8份张量，沿batch/token/head拼接
[B,L,D]或[N,C,H,W]
BHLD↔BLHD；NCHW↔channels-last
[E]或strided tensor
[N,C,H,W] → [N,4C,H/2,W/2]
[N,4C,H,W] → [N,C,2H,2W]
[N,C,H,W]或[B,H,D,L]
视频[B,L,512]；动作[B,La,32]
[B]、[B,L]及token分数
[B,G]或[B,F,T]
[B,G]或[images]
[B,G] → [B]或标量
参数、梯度、m、v：同长[E]或tensor list
x[B,L,D]；调制[B,6D]或[B,L,6D]
[M,D] → [M,F] → [M,D]
统计: cube+vector 组合 = 2, vector = 42, vector组合 = 2, 未标注属组 = 1, 组合？ = 2 说明: 属组=组合？ 的 O66 AdaLN、O67 FFN/SwiGLU 为小算子拼接；O21 ReLU6 属组为空但属向量算子，一并纳入。
[O11] VAE Linear Attention（组合） (Excel 第 9 行, 属组: cube+vector 组合) 测试接口 : torch.matmul + torch.softmax（组合） Shape形式 : Q/K/V[N,h,32,T] 方向 : 前向 建议范围与配对约束: N=1～256；h={16,32,64}；T=48～6144，且T>32；补1后V的通道为33；覆盖VKᵀ、乘Q及归一化除法。 精度 : BF16输入；FP32计算 是否支持 : N 主要路径 : VAE较大空间网格 待确认项 : 【待确认】VAE Linear Attention为组合项，无单一算子文档；需拆解到matmul(QKᵀ/PV)、softmax、归一化等子算子核对，当前无法直接确认950与T≤6144/通道33范围。
[O12] VAE Quadratic Attention（组合） (Excel 第 10 行, 属组: cube+vector 组合) 测试接口 : torch.matmul + torch.softmax + torch.sum（组合） Shape形式 : Q/K/V[N,h,32,T]；分数[N,h,T,T] 方向 : 前向 建议范围与配对约束: N=1～256；h={16,32,64}；T=1～32，包含6、24；同时保留原matmul与当前显式mul＋sum规避路径的对照。 精度 : BF16输入；当前规避路径FP32 是否支持 : N 主要路径 : VAE小空间网格 待确认项 : 【待确认】VAE Quadratic Attention为组合项，无单一算子文档；需拆解到matmul、softmax、mul+sum等子算子核对，当前无法直接确认950与T≤32/显式分数矩阵范围。
[O13] RMSNorm (Excel 第 11 行, 属组: vector) 测试接口 : aclnnRmsNorm Shape形式 : [R,D] 方向 : 前向＋适用反向 建议范围与配对约束: R=1～1,572,864；D={64,72,128,256,512,1024,1152,2048,2560,3072,4096}；eps=1e-6或1e-5，按原模块取值。 精度 : BF16输入；FP32归约 是否支持 : Y 主要路径 : 视频、动作、VLM、VAE 待确认项 : 无（RmsNorm文档支持950、BF16/FP32、ND、1~8维，[R,D]覆盖，D≤4096；eps属性存在）。依据：ops-nn/norm/rms_norm/README.md。
[O14] LayerNorm (Excel 第 12 行, 属组: vector) 测试接口 : aclnnLayerNorm / aclnnLayerNormWithImplMode Shape形式 : [R,D] 方向 : 前向＋适用反向 建议范围与配对约束: R=1～65,536；D={1024,1152,2048,2560,3072,4096}；affine及eps按原模块保留。 精度 : BF16输入；FP32归约 是否支持 : Y 主要路径 : 视频/动作输出、视觉编码、特征融合 待确认项 : 无（LayerNorm文档支持950、BF16/FP32、ND，[R,D]及affine/eps覆盖）。依据：ops-nn/norm/layer_norm/README.md。
[O15] BatchNorm2d（eval） (Excel 第 13 行, 属组: vector) 测试接口 : aclnnBatchNorm（training=false） Shape形式 : [N,C,H,W] 方向 : 前向，解码时 建议范围与配对约束: N=1～256；C={128,256,512}；H=16～512，W=24～768；固定running mean/var。 精度 : BF16；FP32统计 是否支持 : Y 主要路径 : VAE解码的早期ResBlock 待确认项 : 无（BatchNormV3文档支持950、BF16/FP32、4D/5D NCHW/NHWC，training=false推理路径有说明；C≤512/H≤512/W≤768覆盖）。依据：ops-nn/norm/batch_norm_v3/README.md。
[O16] L2 Normalize (Excel 第 14 行, 属组: vector) 测试接口 : torch.nn.functional.normalize（无aclnn文档） Shape形式 : [B,L,H,128]或[R,D] 方向 : 前向＋适用反向 建议范围与配对约束: Q/K：B=1～32，L=128～768，H={16,32}，D=128，eps=1e-6；融合池化：[B,J,D]，B=1～64，J=24～32，D={2048,2560}，eps按F.normalize源码。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : VLM Q/K与多层特征融合 待确认项 : 【待确认】L2Normalize文档支持950，但仅列FLOAT16/FLOAT32，未支持BFLOAT16；客户Q/K要求BF16，存在精度/接口不匹配，需确认改用FP32或其它归一化算子。shape [B,L,H,128]/[R,D]及1~8维支持。依据：ops-nn/norm/l2_normalize/README.md。
[O17] RMSNormGated（融合组合） (Excel 第 15 行, 属组: vector组合) 测试接口 : torch.nn.functional.rms_norm + torch.nn.functional.silu（组合） Shape形式 : x,z[B,L,H,128] 方向 : 前向 建议范围与配对约束: B=1～32；L=128～768；H={16,32}；逐头RMSNorm×SiLU(z)。 精度 : BF16输入；FP32归约/门控 是否支持 : Y 主要路径 : VLM线性注意力输出 待确认项 : 【待确认】未找到RMSNormGated独立算子文档；需按RMSNorm+SiLU组合或确认融合接口，当前无法直接核对950与[B,L,H,128]范围。
[O18] GELU（tanh近似） (Excel 第 16 行, 属组: vector) 测试接口 : aclnnGelu / aclnnGeluBackward Shape形式 : [M,F] 方向 : 前向＋适用反向 建议范围与配对约束: M=1～27,648；F={4096,4608,8192,12288,16384}；保留tanh近似。 精度 : BF16；FP32对照 是否支持 : Y 主要路径 : 视频、动作、视觉FFN 待确认项 : 无（aclnnGelu文档支持950、BF16/FP32，公式即tanh近似，[M,F]覆盖）。依据：ops-nn/activation/gelu/docs/aclnnGelu.md。
[O19] SiLU (Excel 第 17 行, 属组: vector) 测试接口 : aclnnSilu / aclnnSwish（反向aclnnSwishBackward） Shape形式 : [M,F] 或 [N,C,H,W] 方向 : 前向＋适用反向 建议范围与配对约束: 二维M=1～27,648，F=128～9216；卷积形状N=1～256，C=2048～16384，H=2～64，W=3～96；按对应路径配对。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : VAE门控、VLM MLP、时间嵌入 待确认项 : 无（aclnnSilu/Swish文档支持950、BF16/FP32、ND、1~8维，二维及[N,C,H,W]均覆盖）。依据：ops-nn/activation/swish/docs/aclnnSilu.md。
[O20] ReLU (Excel 第 18 行, 属组: vector) 测试接口 : aclnnRelu / aclnnInplaceRelu Shape形式 : [E] 方向 : 前向 建议范围与配对约束: E=1～2^31；包含从[N,h,32,T]和图像特征展平的张量。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : VAE Q/K与解码 待确认项 : 无（ReLU文档支持950、BF16/FP32、ND，[E]覆盖；反向ReLUGradV2亦支持950）。依据：ops-nn/activation/relu_v2/README.md。
[O21] ReLU6 (Excel 第 19 行, 属组: 未标注属组) 测试接口 : torch.nn.functional.relu6（无aclnnRelu6文档） Shape形式 : [N,C,H,W] 方向 : 前向 建议范围与配对约束: N=1～256；C={128,256,512}；H=8～512，W=12～768；截断区间[0,6]。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : VAE编码ResBlock 待确认项 : 无（ReLU6文档支持950、BF16/FP32、≤8维，[N,C,H,W]覆盖）。依据：ops-nn/activation/relu6/README.md。
[O22] Sigmoid (Excel 第 20 行, 属组: vector) 测试接口 : aclnnSigmoid / aclnnInplaceSigmoid Shape形式 : [B,L,H] 或 [B,L,D] 方向 : 前向＋适用反向 建议范围与配对约束: B=1～64；L=1～768；H={16,32}；输出门控D={2048,4096}；采样标量也覆盖[B]。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : VLM门控、时间采样 待确认项 : 无（Sigmoid文档支持950、BF16/FP32、ND，[B,L,H]/[B,L,D]/[B]覆盖）。依据：ops-nn/activation/sigmoid/README.md。
[O23] Softplus (Excel 第 21 行, 属组: vector) 测试接口 : aclnnSoftplus / aclnnSoftplusBackward Shape形式 : [B,L,H] 方向 : 前向 建议范围与配对约束: B=1～32；L=128～768；H={16,32}；dt_bias沿最后一维广播。 精度 : FP32 是否支持 : Y 主要路径 : VLM衰减门控 待确认项 : 无（Softplus文档支持950、FP32（另支持BF16/FP16）、ND，[B,L,H]覆盖）。依据：ops-nn/activation/softplus_v2/README.md。
[O24] Tanh (Excel 第 22 行, 属组: vector) 测试接口 : aclnnTanh / aclnnInplaceTanh Shape形式 : [E] 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^29；包含FFN大张量及[B,G]小张量，B=1～64、G=4～16。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : GELU/JVP内部、cotrain置信权重 待确认项 : 无（Tanh文档支持950、BF16/FP32、ND，[E]/[B,G]覆盖）。依据：ops-math/math/tanh/README.md。
[O25] Softmax (Excel 第 23 行, 属组: vector) 测试接口 : aclnnSoftmax / aclnnSoftmaxBackward Shape形式 : [B,H,Q,L] 或 [R,L] 方向 : 前向＋适用反向 建议范围与配对约束: 注意力B=1～64，H=8～64，Q=1～1536，L=1～2304；小门控L=4～54。沿最后一维，保持实际mask。 精度 : BF16输入可选；FP32归约 是否支持 : Y 主要路径 : 显式注意力、JVP、特征融合 待确认项 : 无（SoftmaxV2文档支持950、BF16/FP32、ND、任意轴，[B,H,Q,L]/[R,L]覆盖）。依据：ops-nn/activation/softmax_v2/README.md。
[O26] Exp (Excel 第 24 行, 属组: vector) 测试接口 : aclnnExp / aclnnInplaceExp Shape形式 : [E] 方向 : 前向＋适用反向 建议范围与配对约束: E=16～2^26；包含[H]参数广播、[B,L,H]及chunk内部衰减矩阵。 精度 : FP32 是否支持 : Y 主要路径 : FLA衰减、时间/位置编码 待确认项 : 无（Exp文档支持950、FP32、ND，[E]覆盖）。依据：ops-math/math/exp/README.md。
[O27] Add (Excel 第 25 行, 属组: vector) 测试接口 : aclnnAdd / aclnnInplaceAdd Shape形式 : [E]，含标量/通道广播 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 残差、bias、时间调制 待确认项 : 无（Add文档支持950、BF16/FP32、ND及broadcast，[M,D]+[D]/[B,L,D]+[B,1,D]覆盖）。依据：ops-math/math/add/README.md。
[O28] Sub (Excel 第 26 行, 属组: vector) 测试接口 : aclnnSub / aclnnInplaceSub Shape形式 : [E]，含标量/通道广播 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 损失差值、归一化、JVP 待确认项 : 无（Sub文档支持950、BF16/FP32、ND及broadcast，覆盖表内广播形态）。依据：ops-math/math/sub/README.md。
[O29] Mul (Excel 第 27 行, 属组: vector) 测试接口 : aclnnMul / aclnnInplaceMul Shape形式 : [E]，含标量/通道广播 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 门控、mask、调制、JVP 待确认项 : 无（Mul文档支持950、BF16/FP32、ND及broadcast，覆盖表内广播形态）。依据：ops-math/math/mul/README.md。
[O30] Div (Excel 第 28 行, 属组: vector) 测试接口 : aclnnDiv / aclnnInplaceDiv Shape形式 : [E]，含标量/通道广播 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 归一化、loss权重、注意力 待确认项 : 无（Div文档支持950、BF16/FP32、ND及broadcast，覆盖表内广播形态）。依据：ops-math/math/div/README.md。
[O31] Pow / Square (Excel 第 29 行, 属组: vector) 测试接口 : aclnnPowTensorTensor / aclnnPowTensorScalar / aclnnSquare Shape形式 : [E]，含标量/通道广播 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : RMS方差、损失、JVP 待确认项 : 无（Pow/Square文档支持950、BF16/FP32、ND，[E]覆盖；Square另支持INT32/INT64）。依据：ops-math/math/pow、square/README.md。
[O32] Sqrt / Rsqrt (Excel 第 30 行, 属组: vector) 测试接口 : aclnnSqrt / aclnnRsqrt Shape形式 : [E]，含标量/通道广播 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 归一化、梯度范数、优化器 待确认项 : 无（Sqrt/Rsqrt文档支持950、BF16/FP32、ND，[E]覆盖）。依据：ops-math/math/sqrt、rsqrt/README.md。
[O33] Sum (Excel 第 31 行, 属组: vector) 测试接口 : aclnnReduceSum Shape形式 : [R,D] → [R] 或标量 方向 : 前向＋适用反向 建议范围与配对约束: R=1～1,572,864；D=1～16,384；同时覆盖全量归约E≤2^31与keepdim。 精度 : BF16输入；FP32归约 是否支持 : Y 主要路径 : 损失、注意力/JVP、mask统计 待确认项 : 无（ReduceSum文档支持950、BF16输入/FP32归约、ND、0~8维，[R,D]→[R]/标量覆盖）。依据：ops-math/math/reduce_sum/docs/aclnnReduceSum.md。
[O34] Mean (Excel 第 32 行, 属组: vector) 测试接口 : aclnnMean / aclnnMeanV2 Shape形式 : [R,D] → [R] 或标量 方向 : 前向＋适用反向 建议范围与配对约束: R=1～1,572,864；D=1～16,384；按通道、token及整张量分别归约。 精度 : BF16输入；FP32归约 是否支持 : Y 主要路径 : RMS/LayerNorm、loss、池化 待确认项 : 无（ReduceMean文档支持950、BF16/FP32、ND、1~8维，[R,D]→[R]/标量覆盖）。依据：ops-math/math/reduce_mean/docs/aclnnMean.md。
[O35] Max / Min归约 (Excel 第 33 行, 属组: vector) 测试接口 : aclnnMaxDim / aclnnMinDim Shape形式 : [R,D] → [R] 方向 : 前向 建议范围与配对约束: R=1～65,536；D=1～2304；保留values与indices的实际输出需求。 精度 : FP32 / INT64 / Bool 是否支持 : Y 主要路径 : mask长度、分组统计、诊断 待确认项 : 无（aclnnMaxDim/aclnnMinDim文档支持950、BF16/FP32/INT64/Bool、ND、1~8维，同时输出values+indices，覆盖客户需求）。依据：ops-math/math/arg_max_with_value、arg_min_with_value。
[O36] Clamp / Minimum / Maximum (Excel 第 34 行, 属组: vector) 测试接口 : aclnnClamp / aclnnClampTensor / aclnnMinimum / aclnnMaximum Shape形式 : [E] 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；同时覆盖标量阈值、[B,1,1]及逐token阈值广播。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 导数限幅、loss权重、坐标边界 待确认项 : 无（Clamp/Minimum/Maximum文档支持950、BF16/FP32、ND及broadcast，[E]/[B,1,1]/逐token阈值覆盖）。依据：ops-math/conversion/clip_by_value_v2、math/maximum、math/minimum。
[O37] Where / Masked Fill (Excel 第 35 行, 属组: vector) 测试接口 : aclnnSWhere / aclnnInplaceMaskedFillScalar / aclnnInplaceMaskedFillTensor Shape形式 : 值张量＋可广播mask 方向 : 前向＋适用反向 建议范围与配对约束: 值张量E=1～2^31；注意力mask可取[B,1,Q,L]，B=1～64，Q/L=1～2304；同时覆盖[B,1,1]条件mask。 精度 : BF16 / FP32＋Bool 是否支持 : Y 主要路径 : 条件丢弃、attention mask、候选过滤 待确认项 : 无（aclnnSWhere文档支持950、BF16/FP32、ND及broadcast，覆盖torch.where三参选择；MaskedFill的aclnnInplaceMaskedFillScalar/Tensor亦支持950。依据：ops-math/math/select、ops-math/conversion/masked_fill）。
[O38] RoPE / Sin / Cos（组合） (Excel 第 36 行, 属组: vector组合) 测试接口 : aclnnSin / aclnnCos + 自定义RoPE（torch.sin/cos/outer） Shape形式 : [B,L,D]或分头[B,H,L,d] 方向 : 前向＋适用反向/JVP 建议范围与配对约束: B=1～64；L=1～2304；D={512,1152,2048,3072,4096}；分头H={8,16,32,48,64}，d={64,72,256}。文本head=256只旋转64维；频率与旋转配对保持源码布局。 精度 : BF16输入；FP32三角/计算 是否支持 : Y 主要路径 : 视频、动作、VLM位置与时间编码 待确认项 : 【待确认】是rotary_postion_embeding/sin/cos三个算子还是组合的一个rope_with_sin_cos_cache?
[O39] Embedding (Excel 第 37 行, 属组: vector) 测试接口 : aclnnEmbedding Shape形式 : indices[B,L]；weight[V,D] 方向 : 前向＋适用反向 建议范围与配对约束: B=1～64；L=1～768；词表(V=248320,D=2048/2560)；位置(2304,1024)；view(10,D=512/2048/3072/4096)；body(14,6912)。 精度 : INT64索引；BF16权重 是否支持 : Y 主要路径 : 词表、位置、view/body条件 待确认项 : 无（Embedding文档支持950、BF16/FP32权重、INT64索引、ND，[B,L]索引+[V,D]权重覆盖）。依据：ops-nn/index/embedding/README.md。
[O40] Gather / Index Select (Excel 第 38 行, 属组: vector) 测试接口 : aclnnGatherV2 / aclnnIndexSelect Shape形式 : [B,L,D]及索引[B,K] 方向 : 前向＋适用反向 建议范围与配对约束: B=1～256；L=1～2304；D=32～4096；K=1～L；覆盖沿batch与token轴选择。 精度 : BF16 / FP32＋INT64 是否支持 : Y 主要路径 : 候选选择、token/位置索引 待确认项 : 无（GatherV2/IndexSelect文档支持950、BF16/FP32、INT64索引、ND，[B,L,D]+[B,K]覆盖）。注意GatherElementsV2 README标950×，若走该接口需另确认。依据：ops-nn/index/gather_v2。
[O41] Masked Scatter (Excel 第 39 行, 属组: vector) 测试接口 : aclnnInplaceMaskedScatter Shape形式 : 目标[B,L,D]；源[P,D] 方向 : 前向 建议范围与配对约束: B=1～32；L=128～768；D={2048,2560}；P=1～B×L，mask真值数必须与源元素数一致；P待实采。 精度 : BF16值＋Bool mask 是否支持 : Y 主要路径 : VLM图像token写入 待确认项 : 无（MaskedScatter文档支持950、BF16、BOOL/UINT8 mask、ND，[B,L,D]+[P,D]覆盖）。依据：ops-nn/index/masked_scatter/docs/aclnnInplaceMaskedScatter.md。
[O42] Cat / Stack (Excel 第 40 行, 属组: vector) 测试接口 : aclnnCat / aclnnStack Shape形式 : 2～8份张量，沿batch/token/head拼接 方向 : 前向＋适用反向 建议范围与配对约束: 输出总量1KiB～8GiB；单块可取[B,L,D]，B=1～256、L=1～2304、D=32～16384；总量约束优先。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 帧/视角合批、JVP、特征融合 待确认项 : 无（Cat由ConcatD/aclnnCat、Stack由Pack/aclnnStack覆盖，均支持950、BF16/FP32、ND，2~8份拼接/堆叠）。依据：ops-math/conversion/concat_d、pack。
[O43] Repeat / Repeat Interleave (Excel 第 41 行, 属组: vector) 测试接口 : aclnnRepeatInterleave / aclnnRepeatInterleaveInt / aclnnRepeatInterleaveTensor Shape形式 : [B,L,D]或[N,C,H,W] 方向 : 前向＋适用反向 建议范围与配对约束: 复制因子={2,3,4,8}；输出总量1KiB～8GiB；GQA按Hq/Hkv，候选组以4为基准。 精度 : BF16 / FP32 / INT64 是否支持 : Y 主要路径 : 候选扩展、GQA头复制、解码shortcut 待确认项 : 【待确认】RepeatInterleave文档支持950；int repeats可使用2/3/4/8，但Tensor repeats的outputSize上限2^22，若用tensor repeats与8GiB总量要求冲突，需确认走int repeats。依据：ops-nn/index/repeat_interleave/docs/aclnnRepeatInterleaveTensor.md。
[O44] Transpose / Permute后的Contiguous (Excel 第 42 行, 属组: vector) 测试接口 : aclnnPermute + tensor.contiguous() Shape形式 : BHLD↔BLHD；NCHW↔channels-last 方向 : 前向＋适用反向 建议范围与配对约束: 实际搬运1KiB～8GiB；注意力B=1～256、H=8～64、L=1～2304、D={32,64,72,128,256}；卷积按对应层shape。纯view单独记元数据开销。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 注意力布局、卷积入口连续化 待确认项 : 【待确认】Permute/Transpose文档支持950、BF16/FP32、ND，BHLD↔BLHD/NCHW↔NHWC可表达；但Contiguous目录无产品支持/文档，需确认连续化由Permute内部完成还是单独接口。依据：ops-math/conversion/transpose/docs/aclnnPermute.md。
[O45] Copy / Copy_ (Excel 第 43 行, 属组: vector) 测试接口 : aclnnInplaceCopy / torch.Tensor.copy_（H2D/D2H用.to()） Shape形式 : [E]或strided tensor 方向 : 拷贝 建议范围与配对约束: 单次1KiB～8GiB；区分H2D、D2D、D2H；连续和非连续分别取样。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 设备拷贝、参数分片回写 待确认项 : 【待确认】Copy/Copy_（aclnnInplaceCopy）文档支持950、BF16/FP32，但仅覆盖device内copy；H2D/D2H属aclrtMemcpy运行时接口，文档未覆盖，需确认测试口径。依据：ops-math/conversion/view_copy/docs/aclnnInplaceCopy.md。
[O46] Dtype Cast (Excel 第 44 行, 属组: vector) 测试接口 : aclnnCast Shape形式 : [E] 方向 : 前向＋适用反向 建议范围与配对约束: E=1～2^31；覆盖归约前上转与输出回转，以及非连续输入。 精度 : BF16↔FP32 是否支持 : Y 主要路径 : BF16与FP32混合精度边界 待确认项 : 无（Cast文档支持950、BF16↔FP32、ND，[E]覆盖）。依据：ops-math/math/cast/README.md。
[O47] Pixel Unshuffle (Excel 第 45 行, 属组: vector) 测试接口 : torch.nn.functional.pixel_unshuffle，对应aclnninplacecopy Shape形式 : [N,C,H,W] → [N,4C,H/2,W/2] 方向 : 前向 建议范围与配对约束: N=1～256；C=3～2048；H=4～512，W=6～768；factor=2，H/W必须可整除2。 精度 : BF16 是否支持 : ? 主要路径 : VAE下采样 待确认项 : 【待确认】未找到PixelUnshuffle算子文档（ops-cv/image下无对应目录），无法核对950与[N,C,H,W]→[N,4C,H/2,W/2]；需确认是否由Reshape/Permute组合或其它仓库实现。
[O48] Pixel Shuffle (Excel 第 46 行, 属组: vector) 测试接口 : torch.nn.functional.pixel_shuffle,对应aclnninplacecopy Shape形式 : [N,4C,H,W] → [N,C,2H,2W] 方向 : 前向，解码时 建议范围与配对约束: N=1～256；输出C=3～2048；H=2～256，W=3～384；factor=2，输入通道为4C。 精度 : BF16 是否支持 : ? 主要路径 : VAE解码上采样 待确认项 : 【待确认】未找到PixelShuffle算子文档（ops-cv/image下无对应目录），无法核对950与[N,4C,H,W]→[N,C,2H,2W]；需确认是否由Reshape/Permute组合或其它仓库实现。
[O49] Pad (Excel 第 47 行, 属组: vector) 测试接口 : aclnnConstantPadNd / aclnnReflectionPad2d Shape形式 : [N,C,H,W]或[B,H,D,L] 方向 : 前向 建议范围与配对约束: 图像N=1～256、C=3～512、H=2～512、W=3～768，padding=1～2；注意力D=32→33、L=1～6144；constant与reflect按路径区分。 精度 : BF16 / FP32 是否支持 : Y 主要路径 : 高斯模糊、VAE注意力、FLA 待确认项 : 无（PadV3/PadV2文档支持950、BF16/FP32、ND、1~8维，[N,C,H,W]/[B,H,D,L]及constant/reflect覆盖；reflect要求pad<对应边长，表内H=2且pad=2的边界组合需单独核算）。依据：ops-math/conversion/pad_v3。
[O50] Interpolate / Resize (Excel 第 48 行, 属组: vector) 测试接口 : aclnnResize / aclnnUpsampleNearest2d Shape形式 : [N,C,H,W] 方向 : 前向，路径依赖 建议范围与配对约束: 建议N=1～64；C=3或512；H=2～512，W=3～768；scale=0.5～2。位置嵌入按48×48网格、D=1024做索引插值；CPU/设备落点待实采。 精度 : FP32 / BF16 是否支持 : Y 主要路径 : 图像预处理、位置插值、可选稀疏目标 待确认项 : 【待确认】ResizeBilinear/Nearest/Bicubic文档支持950、NCHW、scale，但“位置嵌入48×48网格、D=1024索引插值”不是Resize标准场景，需确认由Gather/索引实现；Nearest2D另有内存<60GB约束，需按[N,C,H,W]核算。依据：ops-cv/image/resize_*。
[O51] Randn / Randn Like (Excel 第 49 行, 属组: vector) 测试接口 : aclnnNormalFloatFloat / torch.randn Shape形式 : 视频[B,L,512]；动作[B,La,32] 方向 : 随机生成 建议范围与配对约束: B=1～192；视频L=48～1536；动作La=1～216；额外标量/时间采样覆盖[B]。 精度 : FP32 / BF16 是否支持 : Y 主要路径 : 视频/动作噪声、MeanFlow 待确认项 : 无（StatelessNormal文档支持950、FP32/BF16、ND，[B,L,512]/[B,La,32]覆盖）。依据：ops-math/random/stateless_normal/README.md。
[O52] Rand / Uniform (Excel 第 50 行, 属组: vector) 测试接口 : aclnnInplaceUniform / torch.rand Shape形式 : [B]、[B,L]及token分数 方向 : 随机生成 建议范围与配对约束: B=1～256；L=1～6144；同时覆盖候选分数[B,G]，G=4～16。 精度 : FP32 是否支持 : Y 主要路径 : 时间、条件mask、token采样 待确认项 : 无（RandomUniformV2文档支持950、FP32/BF16、ND，[B]/[B,L]/[B,G]覆盖）。依据：ops-math/random/random_uniform_v2/README.md。
[O53] Masked MSE Loss（组合） (Excel 第 51 行, 属组: vector) 测试接口 : aclnnMseLoss / aclnnMseLossOut（mask组合用torch） Shape形式 : 视频[B,L,512]；动作[B,La,32] 方向 : 前向＋反向 建议范围与配对约束: B=1～192；L=48～1536；La=1～216；保留dense/sparse、padding与joint mask及有效元素分母。 精度 : FP32损失与归约 是否支持 : Y 主要路径 : 视频/动作训练损失 待确认项 : 【待确认】aclnnMseLoss/V2及MseLossGrad支持950、BF16/FP32、ND，但文档仅覆盖标准reduction，无mask/padding/joint mask语义；客户Masked MSE需确认组合路径及有效元素分母。依据：ops-nn/loss/mse_loss。
[O54] TopK / Sort (Excel 第 52 行, 属组: vector) 测试接口 : aclnnTopkV2 / aclnnSort / aclnnArgsort Shape形式 : [B,G]或[B,F,T] 方向 : 前向 建议范围与配对约束: 候选B=1～64，G=4～16，k=1～G（源码基准G=4、k=1）；token采样B=1～192、F=1～9、T=6～384；token_dropout开启才使用后者。 精度 : FP32＋INT64索引 是否支持 : Y 主要路径 : 候选筛选；可选token采样 待确认项 : 无（TopKV2/Sort文档支持950、FP32、INT64索引、ND，[B,G]/[B,F,T]覆盖）。依据：ops-math/math/top_k_v2、sort。
[O55] Cumsum (Excel 第 53 行, 属组: vector) 测试接口 : aclnnCumsum / aclnnCumsumV2 Shape形式 : [B,G]或[images] 方向 : 前向 建议范围与配对约束: B=1～64，G=4～16；视觉图像/时间片计数长度1～256。 精度 : FP32 / INT32 / INT64 是否支持 : Y 主要路径 : 候选分组统计、视觉变长边界 待确认项 : 无（Cumsum文档支持950、FP32/INT32/INT64、ND，[B,G]/[images]覆盖）。依据：ops-math/math/cumsum。
[O56] Quantile / Median / Std (Excel 第 54 行, 属组: vector) 测试接口 : aclnnMedian / aclnnStd（quantile用torch.quantile） Shape形式 : [B,G] → [B]或标量 方向 : 前向 建议范围与配对约束: B=1～64；G=4～16，包含基准4；quantile=0.5与std(unbiased=False)保持源码语义。此组通常为小张量开销。 精度 : FP32 是否支持 : Y 主要路径 : cotrain置信度与分组过滤 待确认项 : 【待确认】Median/Std文档支持950、FP32、ND，但未找到Quantile算子文档；客户quantile=0.5需确认由Median替代或其它接口。依据：ops-nn/index/median、ops-math/math/reduce_std_v2。
[O57] AdamW（含foreach/融合更新） (Excel 第 55 行, 属组: vector) 测试接口 : aclnnApplyAdamW / aclnnApplyAdamWV2（混合精度用torch.optim.AdamW） Shape形式 : 参数、梯度、m、v：同长[E]或tensor list 方向 : 参数更新 建议范围与配对约束: 单tensor E=1024～2^28；tensor list=1～256个；总元素量按真实参数分组/分片匹配；实际fused/foreach实现待实采。 精度 : FP32状态；参数按实际dtype 是否支持 : Y 主要路径 : 优化器 待确认项 : 【待确认】ApplyAdamW/V2文档支持950、FP16/BF16/FP32，但要求varRef、mRef、vRef、grad同dtype；客户“FP32状态+参数实际dtype”的混合精度组合未被文档覆盖，需确认统一dtype或其它优化器接口；另未见foreach AdamW文档。依据：ops-nn/optim/apply_adam_w。
[O66] AdaLN / Scale-Shift-Gate（组合） (Excel 第 59 行, 属组: 组合？) 测试接口 : aclnnAdaLayerNormV2 / torch.nn.functional.layer_norm + scale/shift/gate（组合） Shape形式 : x[B,L,D]；调制[B,6D]或[B,L,6D] 方向 : 前向＋反向 建议范围与配对约束: B=1～128；L=1～1536；D={1152,2048,3072,4096}；调制宽度6D=6912～24,576，按D配套；包含逐token时间与样本级广播。 精度 : BF16；归一化部分FP32 是否支持 : N 主要路径 : 视频与动作时间调制、残差门控 待确认项 :
[O67] FFN / SwiGLU（组合） (Excel 第 60 行, 属组: 组合？) 测试接口 : aclnnSwiGlu / torch.nn.functional.silu + linear（组合） Shape形式 : [M,D] → [M,F] → [M,D] 方向 : 前向＋适用反向 建议范围与配对约束: M=1～27,648；(D,F)={(1024,4096),(1152,4608),(2048,6144),(2048,8192),(2560,9216),(3072,12288),(4096,16384)}；GELU两层与SiLU门控三投影分别按源码执行。 精度 : BF16；FP32对照 是否支持 : N 主要路径 : 视频、动作、VLM前馈网络 待确认项 :
数组类(vector)算子 Shape 提取 —— 来源: d:\welink\智元_op_shape_list.xlsx [sheet: 算子与Shape]
筛选口径: 属组含 vector/Vector(含组合)、cube+vector 组合，以及组合类(组合？)与无属组但实为向量算子；共 49 条
编号 | 算子 | 测试接口 | Shape形式 | 方向 | 建议范围与配对约束 | 精度 | 是否支持 | 属组
O11 | VAE Linear Attention（组合） | torch.matmul + torch.softmax（组合） |
Q/K/V[N,h,32,T]| 前向 | N=1～256；h={16,32,64}；T=48～6144，且T>32；补1后V的通道为33；覆盖VKᵀ、乘Q及归一化除法。 | BF16输入；FP32计算 | N | cube+vector 组合？？O12 | VAE Quadratic Attention（组合） | torch.matmul + torch.softmax + torch.sum（组合） |
Q/K/V[N,h,32,T]；分数[N,h,T,T]| 前向 | N=1～256；h={16,32,64}；T=1～32，包含6、24；同时保留原matmul与当前显式mul＋sum规避路径的对照。 | BF16输入；当前规避路径FP32 | N | cube+vector 组合？？O13 | RMSNorm | aclnnRmsNorm |
[R,D]| 前向＋适用反向 | R=1～1,572,864；D={64,72,128,256,512,1024,1152,2048,2560,3072,4096}；eps=1e-6或1e-5，按原模块取值。 | BF16输入；FP32归约 | Y | VectorO14 | LayerNorm | aclnnLayerNorm / aclnnLayerNormWithImplMode |
[R,D]| 前向＋适用反向 | R=1～65,536；D={1024,1152,2048,2560,3072,4096}；affine及eps按原模块保留。 | BF16输入；FP32归约 | Y | VectorO15 | BatchNorm2d（eval） | aclnnBatchNorm（training=false） |
[N,C,H,W]| 前向，解码时 | N=1～256；C={128,256,512}；H=16～512，W=24～768；固定running mean/var。 | BF16；FP32统计 | Y | VectorO16 | L2 Normalize | torch.nn.functional.normalize（无aclnn文档） |
[B,L,H,128]或[R,D]| 前向＋适用反向 | Q/K：B=1～32，L=128～768，H={16,32}，D=128，eps=1e-6；融合池化：[B,J,D]，B=1～64，J=24～32，D={2048,2560}，eps按F.normalize源码。 | BF16 / FP32 | Y | VectorO17 | RMSNormGated（融合组合） | torch.nn.functional.rms_norm + torch.nn.functional.silu（组合） |
x,z[B,L,H,128]| 前向 | B=1～32；L=128～768；H={16,32}；逐头RMSNorm×SiLU(z)。 | BF16输入；FP32归约/门控 | Y | Vector组合？O18 | GELU（tanh近似） | aclnnGelu / aclnnGeluBackward |
[M,F]| 前向＋适用反向 | M=1～27,648；F={4096,4608,8192,12288,16384}；保留tanh近似。 | BF16；FP32对照 | Y | vectorO19 | SiLU | aclnnSilu / aclnnSwish（反向aclnnSwishBackward） |
[M,F] 或 [N,C,H,W]| 前向＋适用反向 | 二维M=1～27,648，F=128～9216；卷积形状N=1～256，C=2048～16384，H=2～64，W=3～96；按对应路径配对。 | BF16 / FP32 | Y | vectorO20 | ReLU | aclnnRelu / aclnnInplaceRelu |
[E]| 前向 | E=1～2^31；包含从[N,h,32,T]和图像特征展平的张量。 | BF16 / FP32 | Y | vectorO21 | ReLU6 | torch.nn.functional.relu6（无aclnnRelu6文档） |
[N,C,H,W]| 前向 | N=1～256；C={128,256,512}；H=8～512，W=12～768；截断区间[0,6]。 | BF16 / FP32 | Y | 未标注O22 | Sigmoid | aclnnSigmoid / aclnnInplaceSigmoid |
[B,L,H] 或 [B,L,D]| 前向＋适用反向 | B=1～64；L=1～768；H={16,32}；输出门控D={2048,4096}；采样标量也覆盖[B]。 | BF16 / FP32 | Y | vectorO23 | Softplus | aclnnSoftplus / aclnnSoftplusBackward |
[B,L,H]| 前向 | B=1～32；L=128～768；H={16,32}；dt_bias沿最后一维广播。 | FP32 | Y | vectorO24 | Tanh | aclnnTanh / aclnnInplaceTanh |
[E]| 前向＋适用反向 | E=1～2^29；包含FFN大张量及[B,G]小张量，B=1～64、G=4～16。 | BF16 / FP32 | Y | vectorO25 | Softmax | aclnnSoftmax / aclnnSoftmaxBackward |
[B,H,Q,L] 或 [R,L]| 前向＋适用反向 | 注意力B=1～64，H=8～64，Q=1～1536，L=1～2304；小门控L=4～54。沿最后一维，保持实际mask。 | BF16输入可选；FP32归约 | Y | vectorO26 | Exp | aclnnExp / aclnnInplaceExp |
[E]| 前向＋适用反向 | E=16～2^26；包含[H]参数广播、[B,L,H]及chunk内部衰减矩阵。 | FP32 | Y | vectorO27 | Add | aclnnAdd / aclnnInplaceAdd |
[E]，含标量/通道广播| 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vectorO28 | Sub | aclnnSub / aclnnInplaceSub |
[E]，含标量/通道广播| 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vectorO29 | Mul | aclnnMul / aclnnInplaceMul |
[E]，含标量/通道广播| 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vectorO30 | Div | aclnnDiv / aclnnInplaceDiv |
[E]，含标量/通道广播| 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vectorO31 | Pow / Square | aclnnPowTensorTensor / aclnnPowTensorScalar / aclnnSquare |
[E]，含标量/通道广播| 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vectorO32 | Sqrt / Rsqrt | aclnnSqrt / aclnnRsqrt |
[E]，含标量/通道广播| 前向＋适用反向 | E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。 | BF16 / FP32 | Y | vectorO33 | Sum | aclnnReduceSum |
[R,D] → [R] 或标量| 前向＋适用反向 | R=1～1,572,864；D=1～16,384；同时覆盖全量归约E≤2^31与keepdim。 | BF16输入；FP32归约 | Y | vectorO34 | Mean | aclnnMean / aclnnMeanV2 |
[R,D] → [R] 或标量| 前向＋适用反向 | R=1～1,572,864；D=1～16,384；按通道、token及整张量分别归约。 | BF16输入；FP32归约 | Y | vectorO35 | Max / Min归约 | aclnnMaxDim / aclnnMinDim |
[R,D] → [R]| 前向 | R=1～65,536；D=1～2304；保留values与indices的实际输出需求。 | FP32 / INT64 / Bool | Y | vectorO36 | Clamp / Minimum / Maximum | aclnnClamp / aclnnClampTensor / aclnnMinimum / aclnnMaximum |
[E]| 前向＋适用反向 | E=1～2^31；同时覆盖标量阈值、[B,1,1]及逐token阈值广播。 | BF16 / FP32 | Y | vectorO37 | Where / Masked Fill | aclnnSWhere / aclnnInplaceMaskedFillScalar / aclnnInplaceMaskedFillTensor |
值张量＋可广播mask| 前向＋适用反向 | 值张量E=1～2^31；注意力mask可取[B,1,Q,L]，B=1～64，Q/L=1～2304；同时覆盖[B,1,1]条件mask。 | BF16 / FP32＋Bool | Y | vectorO38 | RoPE / Sin / Cos（组合） | aclnnSin / aclnnCos + 自定义RoPE（torch.sin/cos/outer） |
[B,L,D]或分头[B,H,L,d]| 前向＋适用反向/JVP | B=1～64；L=1～2304；D={512,1152,2048,3072,4096}；分头H={8,16,32,48,64}，d={64,72,256}。文本head=256只旋转64维；频率与旋转配对保持源码布局。 | BF16输入；FP32三角/计算 | Y | vector组合？O39 | Embedding | aclnnEmbedding |
indices[B,L]；weight[V,D]| 前向＋适用反向 | B=1～64；L=1～768；词表(V=248320,D=2048/2560)；位置(2304,1024)；view(10,D=512/2048/3072/4096)；body(14,6912)。 | INT64索引；BF16权重 | Y | vectorO40 | Gather / Index Select | aclnnGatherV2 / aclnnIndexSelect |
[B,L,D]及索引[B,K]| 前向＋适用反向 | B=1～256；L=1～2304；D=32～4096；K=1～L；覆盖沿batch与token轴选择。 | BF16 / FP32＋INT64 | Y | vectorO41 | Masked Scatter | aclnnInplaceMaskedScatter |
目标[B,L,D]；源[P,D]| 前向 | B=1～32；L=128～768；D={2048,2560}；P=1～B×L，mask真值数必须与源元素数一致；P待实采。 | BF16值＋Bool mask | Y | vectorO42 | Cat / Stack | aclnnCat / aclnnStack |
2～8份张量，沿batch/token/head拼接| 前向＋适用反向 | 输出总量1KiB～8GiB；单块可取[B,L,D]，B=1～256、L=1～2304、D=32～16384；总量约束优先。 | BF16 / FP32 | Y | vectorO43 | Repeat / Repeat Interleave | aclnnRepeatInterleave / aclnnRepeatInterleaveInt / aclnnRepeatInterleaveTensor |
[B,L,D]或[N,C,H,W]| 前向＋适用反向 | 复制因子={2,3,4,8}；输出总量1KiB～8GiB；GQA按Hq/Hkv，候选组以4为基准。 | BF16 / FP32 / INT64 | Y | vectorO44 | Transpose / Permute后的Contiguous | aclnnPermute + tensor.contiguous() |
BHLD↔BLHD；NCHW↔channels-last| 前向＋适用反向 | 实际搬运1KiB～8GiB；注意力B=1～256、H=8～64、L=1～2304、D={32,64,72,128,256}；卷积按对应层shape。纯view单独记元数据开销。 | BF16 / FP32 | Y | vectorO45 | Copy / Copy_ | aclnnInplaceCopy / torch.Tensor.copy_（H2D/D2H用.to()） |
[E]或strided tensor| 拷贝 | 单次1KiB～8GiB；区分H2D、D2D、D2H；连续和非连续分别取样。 | BF16 / FP32 | Y | vectorO46 | Dtype Cast | aclnnCast |
[E]| 前向＋适用反向 | E=1～2^31；覆盖归约前上转与输出回转，以及非连续输入。 | BF16↔FP32 | Y | vectorO47 | Pixel Unshuffle | torch.nn.functional.pixel_unshuffle，对应aclnninplacecopy |
[N,C,H,W] → [N,4C,H/2,W/2]| 前向 | N=1～256；C=3～2048；H=4～512，W=6～768；factor=2，H/W必须可整除2。 | BF16 | ? | vectorO48 | Pixel Shuffle | torch.nn.functional.pixel_shuffle,对应aclnninplacecopy |
[N,4C,H,W] → [N,C,2H,2W]| 前向，解码时 | N=1～256；输出C=3～2048；H=2～256，W=3～384；factor=2，输入通道为4C。 | BF16 | ? | vectorO49 | Pad | aclnnConstantPadNd / aclnnReflectionPad2d |
[N,C,H,W]或[B,H,D,L]| 前向 | 图像N=1～256、C=3～512、H=2～512、W=3～768，padding=1～2；注意力D=32→33、L=1～6144；constant与reflect按路径区分。 | BF16 / FP32 | Y | vectorO50 | Interpolate / Resize | aclnnResize / aclnnUpsampleNearest2d |
[N,C,H,W]| 前向，路径依赖 | 建议N=1～64；C=3或512；H=2～512，W=3～768；scale=0.5～2。位置嵌入按48×48网格、D=1024做索引插值；CPU/设备落点待实采。 | FP32 / BF16 | Y | vectorO51 | Randn / Randn Like | aclnnNormalFloatFloat / torch.randn |
视频[B,L,512]；动作[B,La,32]| 随机生成 | B=1～192；视频L=48～1536；动作La=1～216；额外标量/时间采样覆盖[B]。 | FP32 / BF16 | Y | vectorO52 | Rand / Uniform | aclnnInplaceUniform / torch.rand |
[B]、[B,L]及token分数| 随机生成 | B=1～256；L=1～6144；同时覆盖候选分数[B,G]，G=4～16。 | FP32 | Y | vectorO53 | Masked MSE Loss（组合） | aclnnMseLoss / aclnnMseLossOut（mask组合用torch） |
视频[B,L,512]；动作[B,La,32]| 前向＋反向 | B=1～192；L=48～1536；La=1～216；保留dense/sparse、padding与joint mask及有效元素分母。 | FP32损失与归约 | Y | vectorO54 | TopK / Sort | aclnnTopkV2 / aclnnSort / aclnnArgsort |
[B,G]或[B,F,T]| 前向 | 候选B=1～64，G=4～16，k=1～G（源码基准G=4、k=1）；token采样B=1～192、F=1～9、T=6～384；token_dropout开启才使用后者。 | FP32＋INT64索引 | Y | vectorO55 | Cumsum | aclnnCumsum / aclnnCumsumV2 |
[B,G]或[images]| 前向 | B=1～64，G=4～16；视觉图像/时间片计数长度1～256。 | FP32 / INT32 / INT64 | Y | vectorO56 | Quantile / Median / Std | aclnnMedian / aclnnStd（quantile用torch.quantile） |
[B,G] → [B]或标量| 前向 | B=1～64；G=4～16，包含基准4；quantile=0.5与std(unbiased=False)保持源码语义。此组通常为小张量开销。 | FP32 | Y | vectorO57 | AdamW（含foreach/融合更新） | aclnnApplyAdamW / aclnnApplyAdamWV2（混合精度用torch.optim.AdamW） |
参数、梯度、m、v：同长[E]或tensor list| 参数更新 | 单tensor E=1024～2^28；tensor list=1～256个；总元素量按真实参数分组/分片匹配；实际fused/foreach实现待实采。 | FP32状态；参数按实际dtype | Y | vectorO66 | AdaLN / Scale-Shift-Gate（组合） | aclnnAdaLayerNormV2 / torch.nn.functional.layer_norm + scale/shift/gate（组合） |
x[B,L,D]；调制[B,6D]或[B,L,6D]| 前向＋反向 | B=1～128；L=1～1536；D={1152,2048,3072,4096}；调制宽度6D=6912～24,576，按D配套；包含逐token时间与样本级广播。 | BF16；归一化部分FP32 | N | 组合？O67 | FFN / SwiGLU（组合） | aclnnSwiGlu / torch.nn.functional.silu + linear（组合） |
[M,D] → [M,F] → [M,D]| 前向＋适用反向 | M=1～27,648；(D,F)={(1024,4096),(1152,4608),(2048,6144),(2048,8192),(2560,9216),(3072,12288),(4096,16384)}；GELU两层与SiLU门控三投影分别按源码执行。 | BF16；FP32对照 | N | 组合？统计: cube+vector 组合 = 2, vector = 42, vector组合 = 2, 未标注属组 = 1, 组合？ = 2
说明: 属组=组合？ 的 O66 AdaLN、O67 FFN/SwiGLU 为小算子拼接；O21 ReLU6 属组为空但属向量算子，一并纳入。
========================================================================================================================
二、明细（逐行字段展示）
[O11] VAE Linear Attention（组合） (Excel 第 9 行, 属组: cube+vector 组合)
测试接口 : torch.matmul + torch.softmax（组合）
Shape形式 :
Q/K/V[N,h,32,T]方向 : 前向
建议范围与配对约束: N=1～256；h={16,32,64}；T=48～6144，且T>32；补1后V的通道为33；覆盖VKᵀ、乘Q及归一化除法。
精度 : BF16输入；FP32计算
是否支持 : N
主要路径 : VAE较大空间网格
待确认项 : 【待确认】VAE Linear Attention为组合项，无单一算子文档；需拆解到matmul(QKᵀ/PV)、softmax、归一化等子算子核对，当前无法直接确认950与T≤6144/通道33范围。
[O12] VAE Quadratic Attention（组合） (Excel 第 10 行, 属组: cube+vector 组合)
测试接口 : torch.matmul + torch.softmax + torch.sum（组合）
Shape形式 :
Q/K/V[N,h,32,T]；分数[N,h,T,T]方向 : 前向
建议范围与配对约束: N=1～256；h={16,32,64}；T=1～32，包含6、24；同时保留原matmul与当前显式mul＋sum规避路径的对照。
精度 : BF16输入；当前规避路径FP32
是否支持 : N
主要路径 : VAE小空间网格
待确认项 : 【待确认】VAE Quadratic Attention为组合项，无单一算子文档；需拆解到matmul、softmax、mul+sum等子算子核对，当前无法直接确认950与T≤32/显式分数矩阵范围。
[O13] RMSNorm (Excel 第 11 行, 属组: vector)
测试接口 : aclnnRmsNorm
Shape形式 :
[R,D]方向 : 前向＋适用反向
建议范围与配对约束: R=1～1,572,864；D={64,72,128,256,512,1024,1152,2048,2560,3072,4096}；eps=1e-6或1e-5，按原模块取值。
精度 : BF16输入；FP32归约
是否支持 : Y
主要路径 : 视频、动作、VLM、VAE
待确认项 : 无（RmsNorm文档支持950、BF16/FP32、ND、1~8维，[R,D]覆盖，D≤4096；eps属性存在）。依据：ops-nn/norm/rms_norm/README.md。
[O14] LayerNorm (Excel 第 12 行, 属组: vector)
测试接口 : aclnnLayerNorm / aclnnLayerNormWithImplMode
Shape形式 :
[R,D]方向 : 前向＋适用反向
建议范围与配对约束: R=1～65,536；D={1024,1152,2048,2560,3072,4096}；affine及eps按原模块保留。
精度 : BF16输入；FP32归约
是否支持 : Y
主要路径 : 视频/动作输出、视觉编码、特征融合
待确认项 : 无（LayerNorm文档支持950、BF16/FP32、ND，[R,D]及affine/eps覆盖）。依据：ops-nn/norm/layer_norm/README.md。
[O15] BatchNorm2d（eval） (Excel 第 13 行, 属组: vector)
测试接口 : aclnnBatchNorm（training=false）
Shape形式 :
[N,C,H,W]方向 : 前向，解码时
建议范围与配对约束: N=1～256；C={128,256,512}；H=16～512，W=24～768；固定running mean/var。
精度 : BF16；FP32统计
是否支持 : Y
主要路径 : VAE解码的早期ResBlock
待确认项 : 无（BatchNormV3文档支持950、BF16/FP32、4D/5D NCHW/NHWC，training=false推理路径有说明；C≤512/H≤512/W≤768覆盖）。依据：ops-nn/norm/batch_norm_v3/README.md。
[O16] L2 Normalize (Excel 第 14 行, 属组: vector)
测试接口 : torch.nn.functional.normalize（无aclnn文档）
Shape形式 :
[B,L,H,128]或[R,D]方向 : 前向＋适用反向
建议范围与配对约束: Q/K：B=1～32，L=128～768，H={16,32}，D=128，eps=1e-6；融合池化：[B,J,D]，B=1～64，J=24～32，D={2048,2560}，eps按F.normalize源码。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : VLM Q/K与多层特征融合
待确认项 : 【待确认】L2Normalize文档支持950，但仅列FLOAT16/FLOAT32，未支持BFLOAT16；客户Q/K要求BF16，存在精度/接口不匹配，需确认改用FP32或其它归一化算子。shape [B,L,H,128]/[R,D]及1~8维支持。依据：ops-nn/norm/l2_normalize/README.md。
[O17] RMSNormGated（融合组合） (Excel 第 15 行, 属组: vector组合)
测试接口 : torch.nn.functional.rms_norm + torch.nn.functional.silu（组合）
Shape形式 :
x,z[B,L,H,128]方向 : 前向
建议范围与配对约束: B=1～32；L=128～768；H={16,32}；逐头RMSNorm×SiLU(z)。
精度 : BF16输入；FP32归约/门控
是否支持 : Y
主要路径 : VLM线性注意力输出
待确认项 : 【待确认】未找到RMSNormGated独立算子文档；需按RMSNorm+SiLU组合或确认融合接口，当前无法直接核对950与[B,L,H,128]范围。
[O18] GELU（tanh近似） (Excel 第 16 行, 属组: vector)
测试接口 : aclnnGelu / aclnnGeluBackward
Shape形式 :
[M,F]方向 : 前向＋适用反向
建议范围与配对约束: M=1～27,648；F={4096,4608,8192,12288,16384}；保留tanh近似。
精度 : BF16；FP32对照
是否支持 : Y
主要路径 : 视频、动作、视觉FFN
待确认项 : 无（aclnnGelu文档支持950、BF16/FP32，公式即tanh近似，[M,F]覆盖）。依据：ops-nn/activation/gelu/docs/aclnnGelu.md。
[O19] SiLU (Excel 第 17 行, 属组: vector)
测试接口 : aclnnSilu / aclnnSwish（反向aclnnSwishBackward）
Shape形式 :
[M,F] 或 [N,C,H,W]方向 : 前向＋适用反向
建议范围与配对约束: 二维M=1～27,648，F=128～9216；卷积形状N=1～256，C=2048～16384，H=2～64，W=3～96；按对应路径配对。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : VAE门控、VLM MLP、时间嵌入
待确认项 : 无（aclnnSilu/Swish文档支持950、BF16/FP32、ND、1~8维，二维及[N,C,H,W]均覆盖）。依据：ops-nn/activation/swish/docs/aclnnSilu.md。
[O20] ReLU (Excel 第 18 行, 属组: vector)
测试接口 : aclnnRelu / aclnnInplaceRelu
Shape形式 :
[E]方向 : 前向
建议范围与配对约束: E=1～2^31；包含从[N,h,32,T]和图像特征展平的张量。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : VAE Q/K与解码
待确认项 : 无（ReLU文档支持950、BF16/FP32、ND，[E]覆盖；反向ReLUGradV2亦支持950）。依据：ops-nn/activation/relu_v2/README.md。
[O21] ReLU6 (Excel 第 19 行, 属组: 未标注属组)
测试接口 : torch.nn.functional.relu6（无aclnnRelu6文档）
Shape形式 :
[N,C,H,W]方向 : 前向
建议范围与配对约束: N=1～256；C={128,256,512}；H=8～512，W=12～768；截断区间[0,6]。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : VAE编码ResBlock
待确认项 : 无（ReLU6文档支持950、BF16/FP32、≤8维，[N,C,H,W]覆盖）。依据：ops-nn/activation/relu6/README.md。
[O22] Sigmoid (Excel 第 20 行, 属组: vector)
测试接口 : aclnnSigmoid / aclnnInplaceSigmoid
Shape形式 :
[B,L,H] 或 [B,L,D]方向 : 前向＋适用反向
建议范围与配对约束: B=1～64；L=1～768；H={16,32}；输出门控D={2048,4096}；采样标量也覆盖[B]。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : VLM门控、时间采样
待确认项 : 无（Sigmoid文档支持950、BF16/FP32、ND，[B,L,H]/[B,L,D]/[B]覆盖）。依据：ops-nn/activation/sigmoid/README.md。
[O23] Softplus (Excel 第 21 行, 属组: vector)
测试接口 : aclnnSoftplus / aclnnSoftplusBackward
Shape形式 :
[B,L,H]方向 : 前向
建议范围与配对约束: B=1～32；L=128～768；H={16,32}；dt_bias沿最后一维广播。
精度 : FP32
是否支持 : Y
主要路径 : VLM衰减门控
待确认项 : 无（Softplus文档支持950、FP32（另支持BF16/FP16）、ND，[B,L,H]覆盖）。依据：ops-nn/activation/softplus_v2/README.md。
[O24] Tanh (Excel 第 22 行, 属组: vector)
测试接口 : aclnnTanh / aclnnInplaceTanh
Shape形式 :
[E]方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^29；包含FFN大张量及[B,G]小张量，B=1～64、G=4～16。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : GELU/JVP内部、cotrain置信权重
待确认项 : 无（Tanh文档支持950、BF16/FP32、ND，[E]/[B,G]覆盖）。依据：ops-math/math/tanh/README.md。
[O25] Softmax (Excel 第 23 行, 属组: vector)
测试接口 : aclnnSoftmax / aclnnSoftmaxBackward
Shape形式 :
[B,H,Q,L] 或 [R,L]方向 : 前向＋适用反向
建议范围与配对约束: 注意力B=1～64，H=8～64，Q=1～1536，L=1～2304；小门控L=4～54。沿最后一维，保持实际mask。
精度 : BF16输入可选；FP32归约
是否支持 : Y
主要路径 : 显式注意力、JVP、特征融合
待确认项 : 无（SoftmaxV2文档支持950、BF16/FP32、ND、任意轴，[B,H,Q,L]/[R,L]覆盖）。依据：ops-nn/activation/softmax_v2/README.md。
[O26] Exp (Excel 第 24 行, 属组: vector)
测试接口 : aclnnExp / aclnnInplaceExp
Shape形式 :
[E]方向 : 前向＋适用反向
建议范围与配对约束: E=16～2^26；包含[H]参数广播、[B,L,H]及chunk内部衰减矩阵。
精度 : FP32
是否支持 : Y
主要路径 : FLA衰减、时间/位置编码
待确认项 : 无（Exp文档支持950、FP32、ND，[E]覆盖）。依据：ops-math/math/exp/README.md。
[O27] Add (Excel 第 25 行, 属组: vector)
测试接口 : aclnnAdd / aclnnInplaceAdd
Shape形式 :
[E]，含标量/通道广播方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 残差、bias、时间调制
待确认项 : 无（Add文档支持950、BF16/FP32、ND及broadcast，[M,D]+[D]/[B,L,D]+[B,1,D]覆盖）。依据：ops-math/math/add/README.md。
[O28] Sub (Excel 第 26 行, 属组: vector)
测试接口 : aclnnSub / aclnnInplaceSub
Shape形式 :
[E]，含标量/通道广播方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 损失差值、归一化、JVP
待确认项 : 无（Sub文档支持950、BF16/FP32、ND及broadcast，覆盖表内广播形态）。依据：ops-math/math/sub/README.md。
[O29] Mul (Excel 第 27 行, 属组: vector)
测试接口 : aclnnMul / aclnnInplaceMul
Shape形式 :
[E]，含标量/通道广播方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 门控、mask、调制、JVP
待确认项 : 无（Mul文档支持950、BF16/FP32、ND及broadcast，覆盖表内广播形态）。依据：ops-math/math/mul/README.md。
[O30] Div (Excel 第 28 行, 属组: vector)
测试接口 : aclnnDiv / aclnnInplaceDiv
Shape形式 :
[E]，含标量/通道广播方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 归一化、loss权重、注意力
待确认项 : 无（Div文档支持950、BF16/FP32、ND及broadcast，覆盖表内广播形态）。依据：ops-math/math/div/README.md。
[O31] Pow / Square (Excel 第 29 行, 属组: vector)
测试接口 : aclnnPowTensorTensor / aclnnPowTensorScalar / aclnnSquare
Shape形式 :
[E]，含标量/通道广播方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : RMS方差、损失、JVP
待确认项 : 无（Pow/Square文档支持950、BF16/FP32、ND，[E]覆盖；Square另支持INT32/INT64）。依据：ops-math/math/pow、square/README.md。
[O32] Sqrt / Rsqrt (Excel 第 30 行, 属组: vector)
测试接口 : aclnnSqrt / aclnnRsqrt
Shape形式 :
[E]，含标量/通道广播方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；广播覆盖[M,D]＋[D]、[B,L,D]与[B,1,D]；按原shape恢复归约与广播轴。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 归一化、梯度范数、优化器
待确认项 : 无（Sqrt/Rsqrt文档支持950、BF16/FP32、ND，[E]覆盖）。依据：ops-math/math/sqrt、rsqrt/README.md。
[O33] Sum (Excel 第 31 行, 属组: vector)
测试接口 : aclnnReduceSum
Shape形式 :
[R,D] → [R] 或标量方向 : 前向＋适用反向
建议范围与配对约束: R=1～1,572,864；D=1～16,384；同时覆盖全量归约E≤2^31与keepdim。
精度 : BF16输入；FP32归约
是否支持 : Y
主要路径 : 损失、注意力/JVP、mask统计
待确认项 : 无（ReduceSum文档支持950、BF16输入/FP32归约、ND、0~8维，[R,D]→[R]/标量覆盖）。依据：ops-math/math/reduce_sum/docs/aclnnReduceSum.md。
[O34] Mean (Excel 第 32 行, 属组: vector)
测试接口 : aclnnMean / aclnnMeanV2
Shape形式 :
[R,D] → [R] 或标量方向 : 前向＋适用反向
建议范围与配对约束: R=1～1,572,864；D=1～16,384；按通道、token及整张量分别归约。
精度 : BF16输入；FP32归约
是否支持 : Y
主要路径 : RMS/LayerNorm、loss、池化
待确认项 : 无（ReduceMean文档支持950、BF16/FP32、ND、1~8维，[R,D]→[R]/标量覆盖）。依据：ops-math/math/reduce_mean/docs/aclnnMean.md。
[O35] Max / Min归约 (Excel 第 33 行, 属组: vector)
测试接口 : aclnnMaxDim / aclnnMinDim
Shape形式 :
[R,D] → [R]方向 : 前向
建议范围与配对约束: R=1～65,536；D=1～2304；保留values与indices的实际输出需求。
精度 : FP32 / INT64 / Bool
是否支持 : Y
主要路径 : mask长度、分组统计、诊断
待确认项 : 无（aclnnMaxDim/aclnnMinDim文档支持950、BF16/FP32/INT64/Bool、ND、1~8维，同时输出values+indices，覆盖客户需求）。依据：ops-math/math/arg_max_with_value、arg_min_with_value。
[O36] Clamp / Minimum / Maximum (Excel 第 34 行, 属组: vector)
测试接口 : aclnnClamp / aclnnClampTensor / aclnnMinimum / aclnnMaximum
Shape形式 :
[E]方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；同时覆盖标量阈值、[B,1,1]及逐token阈值广播。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 导数限幅、loss权重、坐标边界
待确认项 : 无（Clamp/Minimum/Maximum文档支持950、BF16/FP32、ND及broadcast，[E]/[B,1,1]/逐token阈值覆盖）。依据：ops-math/conversion/clip_by_value_v2、math/maximum、math/minimum。
[O37] Where / Masked Fill (Excel 第 35 行, 属组: vector)
测试接口 : aclnnSWhere / aclnnInplaceMaskedFillScalar / aclnnInplaceMaskedFillTensor
Shape形式 :
值张量＋可广播mask方向 : 前向＋适用反向
建议范围与配对约束: 值张量E=1～2^31；注意力mask可取[B,1,Q,L]，B=1～64，Q/L=1～2304；同时覆盖[B,1,1]条件mask。
精度 : BF16 / FP32＋Bool
是否支持 : Y
主要路径 : 条件丢弃、attention mask、候选过滤
待确认项 : 无（aclnnSWhere文档支持950、BF16/FP32、ND及broadcast，覆盖torch.where三参选择；MaskedFill的aclnnInplaceMaskedFillScalar/Tensor亦支持950。依据：ops-math/math/select、ops-math/conversion/masked_fill）。
[O38] RoPE / Sin / Cos（组合） (Excel 第 36 行, 属组: vector组合)
测试接口 : aclnnSin / aclnnCos + 自定义RoPE（torch.sin/cos/outer）
Shape形式 :
[B,L,D]或分头[B,H,L,d]方向 : 前向＋适用反向/JVP
建议范围与配对约束: B=1～64；L=1～2304；D={512,1152,2048,3072,4096}；分头H={8,16,32,48,64}，d={64,72,256}。文本head=256只旋转64维；频率与旋转配对保持源码布局。
精度 : BF16输入；FP32三角/计算
是否支持 : Y
主要路径 : 视频、动作、VLM位置与时间编码
待确认项 : 【待确认】是rotary_postion_embeding/sin/cos三个算子还是组合的一个rope_with_sin_cos_cache?
[O39] Embedding (Excel 第 37 行, 属组: vector)
测试接口 : aclnnEmbedding
Shape形式 :
indices[B,L]；weight[V,D]方向 : 前向＋适用反向
建议范围与配对约束: B=1～64；L=1～768；词表(V=248320,D=2048/2560)；位置(2304,1024)；view(10,D=512/2048/3072/4096)；body(14,6912)。
精度 : INT64索引；BF16权重
是否支持 : Y
主要路径 : 词表、位置、view/body条件
待确认项 : 无（Embedding文档支持950、BF16/FP32权重、INT64索引、ND，[B,L]索引+[V,D]权重覆盖）。依据：ops-nn/index/embedding/README.md。
[O40] Gather / Index Select (Excel 第 38 行, 属组: vector)
测试接口 : aclnnGatherV2 / aclnnIndexSelect
Shape形式 :
[B,L,D]及索引[B,K]方向 : 前向＋适用反向
建议范围与配对约束: B=1～256；L=1～2304；D=32～4096；K=1～L；覆盖沿batch与token轴选择。
精度 : BF16 / FP32＋INT64
是否支持 : Y
主要路径 : 候选选择、token/位置索引
待确认项 : 无（GatherV2/IndexSelect文档支持950、BF16/FP32、INT64索引、ND，[B,L,D]+[B,K]覆盖）。注意GatherElementsV2 README标950×，若走该接口需另确认。依据：ops-nn/index/gather_v2。
[O41] Masked Scatter (Excel 第 39 行, 属组: vector)
测试接口 : aclnnInplaceMaskedScatter
Shape形式 :
目标[B,L,D]；源[P,D]方向 : 前向
建议范围与配对约束: B=1～32；L=128～768；D={2048,2560}；P=1～B×L，mask真值数必须与源元素数一致；P待实采。
精度 : BF16值＋Bool mask
是否支持 : Y
主要路径 : VLM图像token写入
待确认项 : 无（MaskedScatter文档支持950、BF16、BOOL/UINT8 mask、ND，[B,L,D]+[P,D]覆盖）。依据：ops-nn/index/masked_scatter/docs/aclnnInplaceMaskedScatter.md。
[O42] Cat / Stack (Excel 第 40 行, 属组: vector)
测试接口 : aclnnCat / aclnnStack
Shape形式 :
2～8份张量，沿batch/token/head拼接方向 : 前向＋适用反向
建议范围与配对约束: 输出总量1KiB～8GiB；单块可取[B,L,D]，B=1～256、L=1～2304、D=32～16384；总量约束优先。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 帧/视角合批、JVP、特征融合
待确认项 : 无（Cat由ConcatD/aclnnCat、Stack由Pack/aclnnStack覆盖，均支持950、BF16/FP32、ND，2~8份拼接/堆叠）。依据：ops-math/conversion/concat_d、pack。
[O43] Repeat / Repeat Interleave (Excel 第 41 行, 属组: vector)
测试接口 : aclnnRepeatInterleave / aclnnRepeatInterleaveInt / aclnnRepeatInterleaveTensor
Shape形式 :
[B,L,D]或[N,C,H,W]方向 : 前向＋适用反向
建议范围与配对约束: 复制因子={2,3,4,8}；输出总量1KiB～8GiB；GQA按Hq/Hkv，候选组以4为基准。
精度 : BF16 / FP32 / INT64
是否支持 : Y
主要路径 : 候选扩展、GQA头复制、解码shortcut
待确认项 : 【待确认】RepeatInterleave文档支持950；int repeats可使用2/3/4/8，但Tensor repeats的outputSize上限2^22，若用tensor repeats与8GiB总量要求冲突，需确认走int repeats。依据：ops-nn/index/repeat_interleave/docs/aclnnRepeatInterleaveTensor.md。
[O44] Transpose / Permute后的Contiguous (Excel 第 42 行, 属组: vector)
测试接口 : aclnnPermute + tensor.contiguous()
Shape形式 :
BHLD↔BLHD；NCHW↔channels-last方向 : 前向＋适用反向
建议范围与配对约束: 实际搬运1KiB～8GiB；注意力B=1～256、H=8～64、L=1～2304、D={32,64,72,128,256}；卷积按对应层shape。纯view单独记元数据开销。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 注意力布局、卷积入口连续化
待确认项 : 【待确认】Permute/Transpose文档支持950、BF16/FP32、ND，BHLD↔BLHD/NCHW↔NHWC可表达；但Contiguous目录无产品支持/文档，需确认连续化由Permute内部完成还是单独接口。依据：ops-math/conversion/transpose/docs/aclnnPermute.md。
[O45] Copy / Copy_ (Excel 第 43 行, 属组: vector)
测试接口 : aclnnInplaceCopy / torch.Tensor.copy_（H2D/D2H用.to()）
Shape形式 :
[E]或strided tensor方向 : 拷贝
建议范围与配对约束: 单次1KiB～8GiB；区分H2D、D2D、D2H；连续和非连续分别取样。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 设备拷贝、参数分片回写
待确认项 : 【待确认】Copy/Copy_（aclnnInplaceCopy）文档支持950、BF16/FP32，但仅覆盖device内copy；H2D/D2H属aclrtMemcpy运行时接口，文档未覆盖，需确认测试口径。依据：ops-math/conversion/view_copy/docs/aclnnInplaceCopy.md。
[O46] Dtype Cast (Excel 第 44 行, 属组: vector)
测试接口 : aclnnCast
Shape形式 :
[E]方向 : 前向＋适用反向
建议范围与配对约束: E=1～2^31；覆盖归约前上转与输出回转，以及非连续输入。
精度 : BF16↔FP32
是否支持 : Y
主要路径 : BF16与FP32混合精度边界
待确认项 : 无（Cast文档支持950、BF16↔FP32、ND，[E]覆盖）。依据：ops-math/math/cast/README.md。
[O47] Pixel Unshuffle (Excel 第 45 行, 属组: vector)
测试接口 : torch.nn.functional.pixel_unshuffle，对应aclnninplacecopy
Shape形式 :
[N,C,H,W] → [N,4C,H/2,W/2]方向 : 前向
建议范围与配对约束: N=1～256；C=3～2048；H=4～512，W=6～768；factor=2，H/W必须可整除2。
精度 : BF16
是否支持 : ?
主要路径 : VAE下采样
待确认项 : 【待确认】未找到PixelUnshuffle算子文档（ops-cv/image下无对应目录），无法核对950与[N,C,H,W]→[N,4C,H/2,W/2]；需确认是否由Reshape/Permute组合或其它仓库实现。
[O48] Pixel Shuffle (Excel 第 46 行, 属组: vector)
测试接口 : torch.nn.functional.pixel_shuffle,对应aclnninplacecopy
Shape形式 :
[N,4C,H,W] → [N,C,2H,2W]方向 : 前向，解码时
建议范围与配对约束: N=1～256；输出C=3～2048；H=2～256，W=3～384；factor=2，输入通道为4C。
精度 : BF16
是否支持 : ?
主要路径 : VAE解码上采样
待确认项 : 【待确认】未找到PixelShuffle算子文档（ops-cv/image下无对应目录），无法核对950与[N,4C,H,W]→[N,C,2H,2W]；需确认是否由Reshape/Permute组合或其它仓库实现。
[O49] Pad (Excel 第 47 行, 属组: vector)
测试接口 : aclnnConstantPadNd / aclnnReflectionPad2d
Shape形式 :
[N,C,H,W]或[B,H,D,L]方向 : 前向
建议范围与配对约束: 图像N=1～256、C=3～512、H=2～512、W=3～768，padding=1～2；注意力D=32→33、L=1～6144；constant与reflect按路径区分。
精度 : BF16 / FP32
是否支持 : Y
主要路径 : 高斯模糊、VAE注意力、FLA
待确认项 : 无（PadV3/PadV2文档支持950、BF16/FP32、ND、1~8维，[N,C,H,W]/[B,H,D,L]及constant/reflect覆盖；reflect要求pad<对应边长，表内H=2且pad=2的边界组合需单独核算）。依据：ops-math/conversion/pad_v3。
[O50] Interpolate / Resize (Excel 第 48 行, 属组: vector)
测试接口 : aclnnResize / aclnnUpsampleNearest2d
Shape形式 :
[N,C,H,W]方向 : 前向，路径依赖
建议范围与配对约束: 建议N=1～64；C=3或512；H=2～512，W=3～768；scale=0.5～2。位置嵌入按48×48网格、D=1024做索引插值；CPU/设备落点待实采。
精度 : FP32 / BF16
是否支持 : Y
主要路径 : 图像预处理、位置插值、可选稀疏目标
待确认项 : 【待确认】ResizeBilinear/Nearest/Bicubic文档支持950、NCHW、scale，但“位置嵌入48×48网格、D=1024索引插值”不是Resize标准场景，需确认由Gather/索引实现；Nearest2D另有内存<60GB约束，需按[N,C,H,W]核算。依据：ops-cv/image/resize_*。
[O51] Randn / Randn Like (Excel 第 49 行, 属组: vector)
测试接口 : aclnnNormalFloatFloat / torch.randn
Shape形式 :
视频[B,L,512]；动作[B,La,32]方向 : 随机生成
建议范围与配对约束: B=1～192；视频L=48～1536；动作La=1～216；额外标量/时间采样覆盖[B]。
精度 : FP32 / BF16
是否支持 : Y
主要路径 : 视频/动作噪声、MeanFlow
待确认项 : 无（StatelessNormal文档支持950、FP32/BF16、ND，[B,L,512]/[B,La,32]覆盖）。依据：ops-math/random/stateless_normal/README.md。
[O52] Rand / Uniform (Excel 第 50 行, 属组: vector)
测试接口 : aclnnInplaceUniform / torch.rand
Shape形式 :
[B]、[B,L]及token分数方向 : 随机生成
建议范围与配对约束: B=1～256；L=1～6144；同时覆盖候选分数[B,G]，G=4～16。
精度 : FP32
是否支持 : Y
主要路径 : 时间、条件mask、token采样
待确认项 : 无（RandomUniformV2文档支持950、FP32/BF16、ND，[B]/[B,L]/[B,G]覆盖）。依据：ops-math/random/random_uniform_v2/README.md。
[O53] Masked MSE Loss（组合） (Excel 第 51 行, 属组: vector)
测试接口 : aclnnMseLoss / aclnnMseLossOut（mask组合用torch）
Shape形式 :
视频[B,L,512]；动作[B,La,32]方向 : 前向＋反向
建议范围与配对约束: B=1～192；L=48～1536；La=1～216；保留dense/sparse、padding与joint mask及有效元素分母。
精度 : FP32损失与归约
是否支持 : Y
主要路径 : 视频/动作训练损失
待确认项 : 【待确认】aclnnMseLoss/V2及MseLossGrad支持950、BF16/FP32、ND，但文档仅覆盖标准reduction，无mask/padding/joint mask语义；客户Masked MSE需确认组合路径及有效元素分母。依据：ops-nn/loss/mse_loss。
[O54] TopK / Sort (Excel 第 52 行, 属组: vector)
测试接口 : aclnnTopkV2 / aclnnSort / aclnnArgsort
Shape形式 :
[B,G]或[B,F,T]方向 : 前向
建议范围与配对约束: 候选B=1～64，G=4～16，k=1～G（源码基准G=4、k=1）；token采样B=1～192、F=1～9、T=6～384；token_dropout开启才使用后者。
精度 : FP32＋INT64索引
是否支持 : Y
主要路径 : 候选筛选；可选token采样
待确认项 : 无（TopKV2/Sort文档支持950、FP32、INT64索引、ND，[B,G]/[B,F,T]覆盖）。依据：ops-math/math/top_k_v2、sort。
[O55] Cumsum (Excel 第 53 行, 属组: vector)
测试接口 : aclnnCumsum / aclnnCumsumV2
Shape形式 :
[B,G]或[images]方向 : 前向
建议范围与配对约束: B=1～64，G=4～16；视觉图像/时间片计数长度1～256。
精度 : FP32 / INT32 / INT64
是否支持 : Y
主要路径 : 候选分组统计、视觉变长边界
待确认项 : 无（Cumsum文档支持950、FP32/INT32/INT64、ND，[B,G]/[images]覆盖）。依据：ops-math/math/cumsum。
[O56] Quantile / Median / Std (Excel 第 54 行, 属组: vector)
测试接口 : aclnnMedian / aclnnStd（quantile用torch.quantile）
Shape形式 :
[B,G] → [B]或标量方向 : 前向
建议范围与配对约束: B=1～64；G=4～16，包含基准4；quantile=0.5与std(unbiased=False)保持源码语义。此组通常为小张量开销。
精度 : FP32
是否支持 : Y
主要路径 : cotrain置信度与分组过滤
待确认项 : 【待确认】Median/Std文档支持950、FP32、ND，但未找到Quantile算子文档；客户quantile=0.5需确认由Median替代或其它接口。依据：ops-nn/index/median、ops-math/math/reduce_std_v2。
[O57] AdamW（含foreach/融合更新） (Excel 第 55 行, 属组: vector)
测试接口 : aclnnApplyAdamW / aclnnApplyAdamWV2（混合精度用torch.optim.AdamW）
Shape形式 :
参数、梯度、m、v：同长[E]或tensor list方向 : 参数更新
建议范围与配对约束: 单tensor E=1024～2^28；tensor list=1～256个；总元素量按真实参数分组/分片匹配；实际fused/foreach实现待实采。
精度 : FP32状态；参数按实际dtype
是否支持 : Y
主要路径 : 优化器
待确认项 : 【待确认】ApplyAdamW/V2文档支持950、FP16/BF16/FP32，但要求varRef、mRef、vRef、grad同dtype；客户“FP32状态+参数实际dtype”的混合精度组合未被文档覆盖，需确认统一dtype或其它优化器接口；另未见foreach AdamW文档。依据：ops-nn/optim/apply_adam_w。
[O66] AdaLN / Scale-Shift-Gate（组合） (Excel 第 59 行, 属组: 组合？)
测试接口 : aclnnAdaLayerNormV2 / torch.nn.functional.layer_norm + scale/shift/gate（组合）
Shape形式 :
x[B,L,D]；调制[B,6D]或[B,L,6D]方向 : 前向＋反向
建议范围与配对约束: B=1～128；L=1～1536；D={1152,2048,3072,4096}；调制宽度6D=6912～24,576，按D配套；包含逐token时间与样本级广播。
精度 : BF16；归一化部分FP32
是否支持 : N
主要路径 : 视频与动作时间调制、残差门控
待确认项 :
[O67] FFN / SwiGLU（组合） (Excel 第 60 行, 属组: 组合？)
测试接口 : aclnnSwiGlu / torch.nn.functional.silu + linear（组合）
Shape形式 :
[M,D] → [M,F] → [M,D]方向 : 前向＋适用反向
建议范围与配对约束: M=1～27,648；(D,F)={(1024,4096),(1152,4608),(2048,6144),(2048,8192),(2560,9216),(3072,12288),(4096,16384)}；GELU两层与SiLU门控三投影分别按源码执行。
精度 : BF16；FP32对照
是否支持 : N
主要路径 : 视频、动作、VLM前馈网络
待确认项 :