提交提案之前，请先检索仓库内是否已有相同的提案，如已有请在同一提案中进行讨论。

💻 需求背景、当前现状、期望实现的功能内容、具体的设计方案、以及测试方案

1、需求背景：部分网络使用torch_npu的moe_token_permute类接口，包括npu_moe_token_permute与对应的反向接口。过程中发现存在内存问题，为反向存储了不必要的数据，存在优化空间。

2、需求价值：
训练内存优化

3、需求详细：
描述：
开发过程中发现在正向的过程中会保留多余的数据用于反向。
例如npu_moe_token_permute及其反向接口配置如下，在反向aclnn算子中事实上并不需要用到tokens和indices，但为了获得grad_tokens和num_topk入参用到了tokens和indices，这影响内存的使用效率。如tokens的shape为[SBH]，当序列长度和模型层数变大之后，影响随之加大。

解决方案：
1、框架层正向完成相应元数据计算，保存在context中，从context获取对应数值
2、为了保证兼容性，增加grad_v2接口，反向绑定到v2接口上

4、测试方案：UT测试验证，精度性能无劣化；性能在真实网络训练可优化

替代方案

补充说明

欢迎加入社区，感谢您对社区的贡献 🎉!