变更摘要

此 PR 为 ProcessGroupHCCL 新增了 _group_start 和 _group_end 两个 Python 绑定方法，使 HCCL 通信后端支持将多个集合通信操作合并为一个 group 执行。同时新增了对应的单元测试类 TestHcclGroupStartEnd，覆盖基本功能、边界异常以及 P2P send/recv 性能对比场景。

主要改动

• 新增 _group_start / _group_end Python 绑定: 在 torch_npu/csrc/distributed/Init.cpp 中，通过 pybind11 将 ProcessGroupHCCL::groupStart 和 ProcessGroupHCCL::groupEnd 分别暴露为 _group_start 和 _group_end，并均使用 py::call_guard<py::gil_scoped_release>() 释放 GIL。
• 新增 TestHcclGroupStartEnd 测试类: 在 test/distributed/test_register_sharding.py 中新增测试类，包含 test_group_start_end_basic（验证 all_reduce 在 group 包裹下的正确性）、test_group_empty（空 group 操作）、test_group_end_without_start（未调用 _group_start 直接调用 _group_end 时预期抛出 RuntimeError）。
• 新增 P2P 性能基准测试: 新增 test_group_send_recv_performance 测试，通过 _benchmark 辅助方法对比多组 send/recv 操作在是否使用 group start/end 包裹下的耗时，输出加速比数据。

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=43026&platform=gitcode&codeHostingPlatformFlag=gitcode

代码审查

审查总结

我已完成对本次 diff 中全部 2 个变更文件 的审查：

各优先级问题数量：

• P0: 0
• P1: 0
• P2: 0
• P3: 1（可选改进：将 time.time() 替换为 time.perf_counter()）

整体风险判断：低。C++ 绑定实现正确，Python 测试覆盖了基本功能（group start/end 配合 all_reduce）、空 group、异常路径（end without start）以及 P2P 性能基准场景。测试逻辑合理，pairing 模式避免了死锁。唯一建议是将性能测量用的 time.time() 替换为单调高精度的 time.perf_counter()，属于可选改进，不影响正确性。

⚠️ 已识别出整体风险，但无法提取行内评论，请参考整体评估。