Thanks for sending an issue! Please fill in the following template to help quickly solve your problem.

Describe the current behavior / 问题描述 (Mandatory / 必填)

模块：
amct_pytorch/classic/deploy_op/weight_npu_quant_module.py 的
NpuWeightQuantizedLinear（GPTQ/AWQ/MinMax/OFMR 等 weight-only 压缩算法的 deploy 算子）

现象：
forward 中执行 inputs.reshape(-1, K) 后调用 npu_weight_quant_batchmatmul。
reshape 不保证结果连续，当输入为 K 维切片等非连续布局时（例如 QKV 联合投影
拆分出的 hidden_states），aclnn 直接报错：
EZ1001: only support x tensor is contiguous or transpose last two dims。

常规的 2D/3D 连续输入 reshape 后恰好是 view，仍满足连续性要求，因此该缺陷
此前未被触发；非连续输入在 LLM 部署场景（投影矩阵切片）中会出现，导致推理失败。

环境：
Ascend 910B4，torch 2.7.1+cpu，torch_npu 2.7.1.post4

已定位根因（reshape 后缺少显式 contiguous()），计划修复并提交 PR 关联本 issue。

Steps to reproduce the issue / 重现步骤 (Optional / 选填)

import torch, torch_npu
w = torch.randint(-127, 127, (256, 128), dtype=torch.int8).npu()
sc = torch.ones(4, 128, dtype=torch.float16).npu()
x = torch.randn(2, 16, 512, dtype=torch.float16).npu()[:, :, :256]
torch_npu.npu_weight_quant_batchmatmul(
    x.reshape(-1, 256), w, sc, antiquant_group_size=64)
# -> RuntimeError: EZ1001: only support x tensor is contiguous or transpose last two dims

# 对比：reshape 后显式 contiguous() 即正常
torch_npu.npu_weight_quant_batchmatmul(
    x.reshape(-1, 256).contiguous(), w, sc, antiquant_group_size=64)  # OK

模块层面：构造 NpuWeightQuantizedLinear（wts_type='int8', group_size=64），
传入 randn(2,16,512).npu()[:, :, :256] 同样报 EZ1001。

Related log / screenshot / 日志 / 截图 (Optional / 选填)

RuntimeError: npu_weight_quant_batchmatmul:../third_party/op-plugin/op_plugin/ops/opapi/WeightQuantBatchMatmulV2KernelNpuOpApi.cpp:114
NPU function error: call aclnnWeightQuantBatchMatmulV2 failed, error code is 161002
AclNN_Parameter_Error(EZ1001): only support x tensor is contiguous or transpose last two dims.