一、问题描述

在 Ascend950 平台上，比较类算子（eq/ge/gt/le/lt/ne）及 maximum/minimum 在 host tensor 与 device tensor 混合输入（以及 0 维 CPU scalar tensor 包装）场景下，存在以下缺陷：

1. 数据类型推导不正确：沿用旧的 CPU scalar 特判路径（other.dim()==0 && !is_npu(other) 走 *Scalar 分支）与 IsCPUScalar 转 scalar 逻辑，导致输出 dtype 推导与标杆（CPU/CUDA）不一致（典型如 ge/le 的类型推导、maximum/minimum 的计算 dtype 差异）。
2. 设备处理缺失：未对 host/device 混合 tensor 做统一搬运，缺少 self/other 设备一致性保障与 NPU tensor 校验，可能产生设备不匹配或非预期行为。
3. inplace / out 变体未校验 self/result 必须为 NPU tensor。

二、重现步骤

在 Ascend950 上构造混合输入并与 CPU/CUDA 标杆对比：

• self 为 NPU tensor，other 为 CPU tensor（或 0 维 CPU scalar tensor）；
• self 为 CPU tensor，other 为 NPU tensor。

分别调用 torch.ge/le/gt/lt/eq/ne 与 torch.maximum/torch.minimum（含 out= 与 inplace 变体），对比输出 dtype / device / 数值。

三、预期结果

• 输出 dtype 与设备应与 PyTorch 原生（CPU/CUDA）语义一致；
• host/device 混合输入应被正确统一到 NPU 设备后计算；
• 两者均非 NPU 的非法组合应给出明确报错。

关联 PR：https://gitcode.com/Ascend/op-plugin/pull/4715