背景

当前 TorchBench 的 --npu-backend 已支持 mlir、dvm、akg 和 triton，但尚不能显式选择独立的 triton_experimental 后端，导致该后端无法通过 TorchBench 进行标准化精度、性能及 profiler 验证。

同时，部分既有 TorchBench NPU 兼容补丁面向 ascend_npu_ir 后端，其 decomposition、GENERATE_LIST 和 fallback 配置不适用于 triton_experimental，可能影响实验后端的正常编译与运行。

目标

1. TorchBench 新增 --npu-backend triton_experimental 选项。
2. 正确配置 TORCHINDUCTOR_NPU_BACKEND，且不改变既有 triton 后端语义。
3. 适配 nvidia_deeprecommender 在 NPU 上的训练和推理初始化。
4. 避免 NPU profiler 与 Inductor 首次编译/Triton autotune 嵌套导致 profile 数据异常。
5. 对 triton_experimental 跳过仅适用于 ascend_npu_ir 的调优补丁，保留 stock Inductor decomposition 行为。
6. 补充 TorchBench 使用说明和验证示例。

验收标准

• triton_experimental 可通过 TorchBench 命令行选择并正常运行。
• nvidia_deeprecommender 在 NPU 上训练、推理可完成精度验证。
• 启用 profiler 时可正常生成 trace，数据库包含 TASK 表。
• 既有 mlir、dvm、triton 等后端行为不回归。
• README 补充后端说明和使用示例。

关联 PR

• https://gitcode.com/Ascend/pytorch/merge_requests/43627