背景

原 PR 45524 已在 v2.10.0 分支合入。本 issue 用于跟踪将同一修复迁移到 master 分支，避免主线继续暴露相同的 NPU Inductor Triton 代码生成问题。

原问题单：4437

问题描述

NPU Inductor Triton 后端在静态和动态 std(dim=1) 场景中存在两类代码生成风险：

1. autotune 选择非 2 的幂 block size 时，不能依据上游启发式判断删除尾块 mask，否则最后一个 block 可能出现越界 lane。
2. shape 相关符号表达式可能被打印为 tl.float64。Triton-Ascend 对应的向量运算无法合法编译，导致动态路径编译失败。

迁移范围与验收标准

• NPUTritonKernel 在非固定 autotune 配置下保留尾块 mask，固定配置继续使用上游优化。
• NPU 专用 Triton printer 将符号表达式中的 tl.float64 输出为 tl.float32，不改变社区 TritonKernel 或其他后端行为。
• 静态和动态 std(dim=1) 能够在 master 分支正确生成并编译 NPU Triton kernel。

迁移提交：7515965ab9cf20f5cdab70fde7f60fcb732700f7（分支 HinPeng:port/pr-45524-master）。

当前验证

• 已完成 git diff --check、Python AST 解析和 python3 -m py_compile。
• 本地环境没有可用的 torch_npu._C，本次未重新执行 NPU 实机编译/运行；原 PR 已在 Ascend_910B 环境完成对应验证。