/label add good-first-issue
/label add triage-review
认领这个任务
认领这个任务
认领这个任务
你好，感谢您对昇腾平台的支持，当前一个任务只分配一个开发，根据评论认领时间确定，您可以后续观察该任务是否被释放退出，或者认领其他任务 https://gitcode.com/org/Ascend/discussions/4
认领这个任务
你好，感谢您对昇腾平台的支持，当前一个任务只分配一个开发，根据评论认领时间确定，您可以后续观察该任务是否被释放退出，或者认领其他任务 https://gitcode.com/org/Ascend/discussions/4
认领这个任务
你好，感谢您对昇腾平台的支持，请及时在本issue评论区更新进展，超过一周无进展更新自动视为放弃该任务。：）
原申请者超过一周无进展更新自动视为放弃该任务，现在我申请认领该任务
申请认领该任务
认领这个任务
你好，感谢您对昇腾平台的支持，请及时在本issue评论区更新进展，超过一周无进展更新自动视为放弃该任务。：）
原申请者超过一周无进展更新自动视为放弃该任务，现在我申请认领该任务
你好，感谢您对昇腾平台的支持，当前一个任务只分配一个开发，根据评论认领时间确定。请关注https://gitcode.com/Ascend/MindSpeed-Ops/issues/3任务是否释放或者认领其他任务 https://gitcode.com/org/Ascend/discussions/4
认领这个任务
认领这个任务
认领这个任务
感谢您对昇腾开源社区的关注与支持！
由于该任务在认领后较长时间内暂未收到进展更新，为保障项目整体推进节奏，我们将暂时结束本次认领，并重新开放该任务，供其他社区贡献者参与。
后续如您仍有兴趣参与昇腾开源项目，欢迎持续关注【昇腾生态官网】及本社区发布的最新任务，也欢迎通过提交 Issue或参与社区讨论等方式继续贡献。
再次感谢您的理解与支持，期待未来继续与您合作！
认领这个任务
认领这个任务
认领这个任务
感谢您此前对该任务的关注与支持！
由于上一位认领者暂未继续推进该任务，目前该任务已重新开放。根据此前的候选顺序，我们希望优先邀请您参与该任务。
如您目前仍有意愿认领，请在5个工作日内回复确认，并简要说明预计开始时间或初步推进计划。确认后，我们将为您保留任务，并提供必要的背景资料和支持。
如您近期时间安排不便，也请直接告知，我们将继续顺延联系其他候选贡献者，不会影响您后续参与其他社区任务。
再次感谢您对昇腾开源社区的关注，期待与您合作！
认领这个任务
认领这个任务
感谢您此前对该任务的关注与支持！
由于上一位认领者暂未继续推进该任务，目前该任务已重新开放。根据此前的候选顺序，我们希望优先邀请您参与该任务。
如您目前仍有意愿认领，请在5个工作日内回复确认，并简要说明预计开始时间或初步推进计划。确认后，我们将为您保留任务，并提供必要的背景资料和支持。
如您近期时间安排不便，也请直接告知，我们将继续顺延联系其他候选贡献者，不会影响您后续参与其他社区任务。
再次感谢您对昇腾开源社区的关注，期待与您合作！
确认认领该任务
认领这个任务
认领这个任务
认领该任务
任务描述
基于state-spaces/mamba开源仓库的triton源码，迁移优化triton算子在NPU上跑通及性能优化。
本期任务的具体信息如下：
（1）算子名称：mamba_mimo_bwd_fwd_kernel
（2）state-spaces/mamba开放仓库的算子源码链接：
https://github.com/state-spaces/mamba/blob/main/mamba_ssm/ops/tilelang/mamba3/mamba3_mimo_bwd.py
（3） 迁移指导文档：https://gitcode.com/Ascend/triton-ascend/blob/main/docs/zh/programming_guide.md
参考 skill 地址：https://gitcode.com/Ascend/agent-skills/tree/master/skills/simple-vector-triton-gpu-to-npu
（4） 开发平台：Atlas 800T A2或者A3
验收标准
一、任务交付件
本期任务为基于state-spaces/mamba开放仓库代码进行功能扩展，请合入开发代码。主要开发点如下：
（1） triton算子针对NPU的适配修改优化后的代码
（2） 针对该triton算子的测试用例UT
二、验收标准：
1）精度/性能要求
精度：
对比GPU相同输入算子精度误差小于0.1%
若无GPU标杆，与CPU小算子对齐，精度误差小于0.1%
性能：
补充说明：具体性能对比数据呈现，按 CV类算子达到0.7x竞品， VV类算子达到0.9x竞品
以下以竞品A100为例说明计算具体的性能对比要求:
910B2 VS A100
计算式子：以CV类算子的Cube算力bound场景为例：1.13 * 0.7 =0.8
2）实践文档：
triton算子介绍1篇
3）任务完成标准
本次任务完成标准为：
精度/性能（根据实际要求）达标，PR完成合入，实践文档提交到仓库issue。
PR 合入
本地完成测试验证后，向MindSpeed-Ops的master分支发起PR。
对接人
LinSHua
欢迎加入社区，感谢您对社区的贡献 🎉!