【合入来源】

• 需求
• 问题单 https://gitcode.com/Ascend/pytorch/issues/2207
• issue/工单
• 重构优化
• 资料更新

说明：修复 NPU 量化 tensor 执行 flip 时的分发与错误语义问题，并补充 CI 中暴露的 complex dtype 测试处理。

【修改方案】

1. 新增 NPU 量化 flip 实现，并在 codegen stub 中注册 QuantizedPrivateUse1 对应 kernel，使量化 NPU tensor 进入专用实现。
2. 对 per-tensor affine 量化 tensor，先通过 int_repr() 获取底层整型表示，再转发到普通 aten::flip；随后使用原 tensor 的 size、dtype、scale、zero_point 和 memory format 构造量化结果，并通过 set_ 复用翻转后的底层存储。
3. 对 quint4x2、quint2x4 保持不支持报错；对 per-channel quantized tensor，先执行维度合法性检查，再按 CPU/CUDA 语义报出 uniformly quantized 相关错误，保证错误优先级一致。
4. 在 test_shape_ops.py 中补充 NPU 专用 complex skip：仅当 NPU + jit_compile=True + dtype.is_complex 时跳过 flip / flip_errors / flip_numpy / fliplr / flipud 相关 complex 用例，规避当前 jit_compile=True 下 NPU 无法创建 complex tensor 的既有限制。该 skip 不影响 CPU/CUDA，也不影响 NPU jit_compile=False 路径。

【资料变更】

不涉及。

【接口变更】

不涉及跨仓或客户面可见接口变更。

【功能验证】

1. 本地执行量化 flip 相关用例，验证 quint8、qint8、qint32 per-tensor affine 结果与 CPU/CUDA 语义一致。
2. 本地验证 per-channel quantized flip 错误信息与 CPU/CUDA 对齐。
3. 本地验证 jit_compile=True 下 10 个 complex flip 实例均按预期 skip：OK (skipped=10)。
4. 本地验证非 complex invalid 实例 int64/float64 仍正常执行并通过。

【CheckList】

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常