认领这个任务
/label add good-first-issue
/label add triage-review
认领这个任务
欢迎认领任务，请参考https://gitcode.com/Ascend/MindSpeed-Ops/issues/3 社区任务池明确该任务的：
- 完成的截止日期
- 开发进展反馈
- 微信答疑群
- 任务交付注意事项
等信息。如果您同时认领了多项任务，但无法都能进行投入，可以在部分任务中回复退出.
麻烦您加入到对应微信群，群备注名修改为"社区任务+您的gitcode账号", 后续有相关消息和问题都可以在微信群咨询答疑。 等您加入到微信群后，我这边会在社区任务池里面登记任务责任人。
认领这个任务
认领这个任务
@zzt20250601
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
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
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
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
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
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
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
我认领该任务
任务描述
基于fla-org/flash-linear-attention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：causal_conv1d_fwd_kernel
（2） fla-org/flash-linear-attention开放仓库的算子源码链接：
https://github.com/fla-org/flash-linear-attention/blob/v0.4.1/fla/modules/convolution.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fla-org/flash-linear-attention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：
对比原triton算子性能提升20%
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main分支发起PR。
对接人
待补充
欢迎加入社区，感谢您对社区的贡献 🎉!