Which issue(s) this PR fixes or accomplishes

Fixes #298

Purpose

torch_npu 2.9 起（MR 30358，commit 5c2817cd85，2026-02）移除了 Tensor.to 的 NPU 过适配：dtype cast 在编译图（AOT 分解）中由 torch.ops.npu._npu_dtype_cast 变为 torch.ops.aten._to_copy。

由于 compilation pattern 的匹配是文本级算子序列匹配（PatternMatchPass 基于 torch._inductor.pattern_matcher），按旧分解结构编写的 RMSNormPattern 与 RopePattern 在 torch 2.9+ 环境全部失配：

• 修改前：PatternMatchPass replace 190 patterns（仅 AdaLayerNorm 114 + GELU 76，RMSNorm/RoPE 均 0 匹配）
• 根因：rms_norm 经 core decomposition 表展开为 _to_copy → pow → mean → add → rsqrt → mul → mul → _to_copy，第一个 dtype cast 节点从 _npu_dtype_cast 变为 _to_copy，第一个节点不匹配则整链放弃

本 PR 的修改：

1. 在 rms_norm_pattern.py / rope_pattern.py 中按 torch.__version__ 版本分支选择 dtype cast 算子：
   • torch < 2.9：保持原有 _npu_dtype_cast 匹配逻辑，行为完全不变
   • torch >= 2.9：pattern 适配为 torch.ops.aten._to_copy.default（dtype 为关键字参数）
2. 修复 rope_pattern.py 中 x_out.type_as(x) 未赋值的 no-op bug，并补充真实图中存在的末尾 .to(x.dtype) cast 节点（diffusers apply_rotary_emb 源码固有结构）

Test Plan

环境要求：torch 2.9 / torch_npu 2.9（或更新）、cache-dit 源码安装、FLUX.1-dev 权重。

# 1. 安装本 PR 分支
python3 -m pip install -e .

# 2. 编译匹配数验证（cache-dit 标准 CLI，预期 494）
MINDIE_LOG_LEVEL=debug python3 -m cache_dit.generate flux \
  --model-path /data/weights/FLUX.1-dev \
  --compile --warmup 2 --repeat 2 2>&1 | grep "PatternMatchPass replace"
# 预期: 494 = 190(AdaLayerNorm+GELU) + 152(RMSNorm) + 152(RoPE)

# 3. profiling 验证融合算子真实执行（torch_npu profiler 采集）
# 在推理脚本中用 torch_npu.profiler.profile 包裹 generate 调用，导出后：
grep -ci "rmsnorm\|rotary" ./profiling/*/kernel_details.csv
# 预期: 出现 aclnnRmsNorm / RotaryPositionEmbedding，eager 对照为 0

Test Report

• 环境：torch 2.9 / torch_npu 2.9 / 910B
• RMSNorm：PatternMatchPass replace 190 → 342（+152），profiling 中 npu_rms_norm 调用 152×steps 次（4 步采样 608 次），融合真实生效
• RoPE：profiling 中出现 RotaryPositionEmbedding 融合算子（456 次），eager 对照为 0 次
• torch 2.10 源码级验证：rms_norm_symint / rms_norm_composite / _to_copy decomposition 与 2.9 完全一致（layer_norm.cpp diff 为空），本修复在 2.10 上继续有效

Summary

Name Stmts Miss Branch BrPart Cover Missing

mindiesd/env.py 10 0 0 0 100%
mindiesd/eplb/init.py 4 0 0 0 100%
mindiesd/eplb/collector.py 28 19 2 0 30% 21-29, 32-36, 39-44, 47
mindiesd/eplb/dispatcher.py 71 53 0 0 25% 22-34, 37-43, 46-47, 50, 53, 56, 59, 64-79, 82, 85-88, 91-109, 112-127
mindiesd/eplb/eplb_scheduler.py 128 45 14 2 61% 53-64, 127-136, 176-184, 194-195, 200-208, 222-243, 247-248
mindiesd/eplb/greedy_algorithm.py 321 197 108 8 35% 97, 113-123, 131, 138, 180-182, 223-225, 256-339, 371, 374-469, 505-512, 519-628, 632-653, 699, 721-724
...... .... ... .... .. ..
mindiesd/quantization/utils.py 175 26 66 13 80% 36-48, 56, 72, 78, 123, 146, 156, 162, 183, 255, 259, 274, 285, 301
mindiesd/share_memory.py 106 106 26 0 0% 13-202
mindiesd/utils/init.py 3 0 0 0 100%
mindiesd/utils/env.py 114 17 52 19 78% 54, 132, 135, 138, 141, 144, 147, 150, 153, 156, 159, 162, 166->172, 169, 174-175, 178->184, 181, 185->exit, 188
..........................................................................................
TOTAL 7152 2476 2326 369 63%