【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
• issue/工单

https://gitcode.com/Ascend/pytorch/issues/2367

• 重构优化
• 资料更新

【修改方案】

1. 在 profiler FLOPs 公式注册中补充融合算子默认 FLOPs 计算规则，新增支持 npu_all_gather_base_mm、npu_transpose_batchmatmul、npu_grouped_matmul、npu_quant_matmul_gelu、npu_grouped_matmul_swiglu_quant_v2、npu_alltoallv_gmm、npu_gmm_alltoallv、npu_block_sparse_attention。
2. 修正 npu_fusion_attention / npu_fused_infer_attention_score 的 Attention FLOPs 口径，按 QK^T + P @ V 统计，使用 q_dim + value_dim，不再误用 key_dim。
3. 统一只统计主 GEMM 或 Attention 矩阵乘 FLOPs，不统计通信、transpose/permute、bias、scale、量化/反量化、GELU/SwiGLU、softmax、dropout 等融合后处理。
4. 补充对应 UT 覆盖融合算子基础 shape、grouped matmul group_list、block sparse attention 有效块统计、BNSD actual lengths，以及 value_dim != key_dim 回归场景。

【资料变更】

不涉及。

【接口变更】

不涉及。未新增或变更客户可见 API，仅补充 profiler 内部 FLOPs 默认计算公式。

【功能验证】

1. 执行 python -m py_compile torch_npu/profiler/_flops_formulas.py test/profiler/test_flops_hook.py，通过。
2. 执行 git diff --check，通过。
3. 通过纯 Python 公式断言验证新增融合算子 FLOPs 计算结果，验证通过。
4. 尝试执行 python -m pytest test/profiler/test_flops_hook.py -q，当前本地环境缺少编译扩展 torch_npu._C，收集阶段报 ModuleNotFoundError，未进入 UT 执行。

【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