一、问题描述 （必填）

AccumulateNV2 算子验证整改中发现多项 P1 功能缺陷：

1. dtype 一致性校验缺失：图路径、aclnn 第一段校验、tiling 三层均未校验输入 dtype 与首个输入/输出 dtype 的一致性，混合 dtype 输入不报 161002（ACLNN_ERR_PARAM_INVALID），直接产生错误结果。
2. fp32 极值求和 NaN：守卫式 TwoSum 实现在极值输入场景下输出 NaN，与竞品 TensorFlow AddN 行为不一致。
3. N 参数校验缺失：Host 侧未校验属性 N 与实际输入 tensor 数量的一致性，不匹配时行为未定义。
4. broadcast 死代码与能力越界：TilingData 中 needBroadcast/rank/outputShape/inputStrides 为死字段（2632B 中有效仅 32B），kernel 内 GetBroadcastInputOffset 及全部广播分支不可达；对外宣称与实际行为不一致。

二、环境信息 （可选）

• 昇腾硬件型号：Ascend950PR（arch35）
• CANN 版本：9.3.0

三、重现步骤 （可选）

1. 构造混合 dtype 输入 tensor list（如 fp32 + fp16）
2. 分别以 aclnnSum / 图模式直连调用
3. 缺陷版本不报 161002，输出错误数值
4. fp32 路径构造极值输入，可观察 NaN 输出

四、预期结果 （可选）

1. 混合 dtype 在图路径/aclnn 第一段/tiling 三层均拦截并返回 161002
2. fp32 求和与 TF AddN 同构：N≤9 顺序求和、N>9 余数优先 8 分块，极值不产生 NaN
3. attrN 与输入数量不一致时 Host 侧报参数错误
4. 算子本体同 shape 强校验；广播语义由 aclnnSum 接口层 BroadcastTo 承接；TilingData 死字段清除（2632B→32B）

💡 备注（选填）

修复 PR（含 fp16 非广播路径 Vector 管线性能优化、golden 精度标准落位、文档修正）：https://gitcode.com/cann/ops-math/pull/6584