【合入来源】

如有社区issue，请关联issue链接
请勿携带内部流程信息（需求链接、问题单、内部issue等）

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

【修改方案】

1. 在 QuantizedPrivateUse1 的 codegen 注册中补充 aten::flip，使量化 NPU tensor 能命中 torch_npu 的 quantized helper。
2. 新增 quantized_flip helper：per-tensor 量化场景对 int_repr() 调用普通 NPU aten::flip，复用现有 op_plugin::flip -> aclnnFlip 数据翻转路径，再用原 scale/zero_point 重建 affine quantized tensor。
3. 对齐 CPU/CUDA 行为：sub-byte 量化 dtype 保持不支持报错；per-channel 量化保持 Setting strides is possible only on uniformly quantized tensor 报错。
4. 新增 per-channel quantized flip 报错回归测试。

【资料变更】

不涉及。

【接口变更】

不涉及。

【功能验证】

1. v2.7.1 环境执行 bash ci/build.sh --python=3.11，编译成功并生成 wheel。
2. v2.7.1 环境执行 python -m pytest test_shape_ops.py -v -k test_flip_npu_float32，结果：1 passed。
3. v2.7.1 环境执行 python -m pytest --import-mode=importlib test/test_shape_ops.py -v -k "test_flip_per_channel_quantized_error or test_flip_npu_float32"，结果：2 passed。
4. 验证普通 float NPU flip backward 与 CPU 在 dims=(0,)、(1,)、(0, 1)、() 下 forward/grad 均一致；验证 quantized flip 的 autograd 状态和错误行为与 CPU 一致。
5. v2.7.1、v2.9.0、v2.10.0、v2.11.0、v2.12.0、master 源分支均执行 git diff --check，无异常。

【CheckList】

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

• 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