一、问题描述 （必填）

算子：Xlog1py（math/xlog1py，arch35 / ascend950）
问题概述：算子在 tiling、InferShape/InferDataType 三个环节缺失必要的入参校验，同时 ascend950 的 binary 配置与 kernel 产物命名不匹配，并存在 fp32 路径输出尾部未初始化的问题。具体如下：

1. tiling 阶段缺少 rank 上限校验（高危）
   Xlog1pyTiling::RunTiling() 中按 rank_ <= 4 ? 4 : 8 选择 DoTilingAndSet<4> / DoTilingAndSet<8>，但未限制 rank 上限。当输入 rank > 8 时，delta = R - rank_ 为负，tiling->max_bro_shape[d + delta]、tiling->input_shapes[i][d + delta] 等写入下标为负或越界，直接踩踏 tiling data（UB 内存），可导致 tiling 阶段崩溃或下游结果异常。

2. dtype 校验缺失

   • InferDataTypeForXlog1py 仅把 input[0] 的 dtype 原样透传给输出，未校验 dtype 是否属于 {DT_FLOAT, DT_FLOAT16, DT_BF16}，也未校验 x、y、z 之间 dtype 是否一致。
   • tiling 的 GetShapeInfo() 仅读取 input[0] 的 dtype 决定 dtype_size_ / phys_nodes_，未校验 input[1] 与输出 dtype。
   • 失败模式：x 为 FLOAT32、y 为 FLOAT16 时，y 会被按 4 字节宽度读取（或反之），得到错误计算结果且不报错；输出 z dtype 与输入不一致时同样静默出错。

3. 广播兼容性未校验
   PadAndSqueeze() 对每个维度直接取 max，非广播兼容的 shape（如 [2,3] 与 [2,4]）不会报错，会按错误的 max 形状继续执行，产生错误结果。

4. FLOAT32 kernel 输出缓冲区未初始化
   ProcessFP32() 在调用 CallXlog1pyVF 前未初始化输出 UB（B_Z）。当 count 不是 VL 整数倍时，尾部的 lane 残留上一次迭代的脏数据，存在计算结果不确定 / 精度不达标的风险。

5. ascend950 binary 配置 bin_filename 错误
   op_host/config/ascend950/xlog1py_binary.json 中 float16/float32/bfloat16 三条配置的 bin_filename 使用了语义化名称（Xlog1py_FLOAT16 / Xlog1py_FLOAT32 / Xlog1py_BF16），未使用 kernel 编译产物的哈希命名（如 Xlog1py_c602838c14701b23ff1861c82ff8afc9），导致 ascend950 上 kernel bin 匹配/加载失败。

6. 文档维度说明错误
   docs/aclnnXlog1py.md / aclnnXlog1py_en.md 中输出 z 的维度写为 1-8，与实现及约束说明（0 维标量/空 Tensor 场景支持 0-8 维）不一致。

二、环境信息 （可选）

950

三、重现步骤 （可选）

1. 编译并安装含 Xlog1py 的 ops-math 算子包，在 ascend950 上通过 aclnn 接口 aclnnXlog1py 调用。
2. 分别构造以下用例：
   • rank 超限：x、y shape 均为 [1,2,3,4,5,6,7,8,9]；
   • dtype 不一致：x 为 FLOAT32、y 为 FLOAT16；
   • 输出 dtype 不一致：x、y 为 FLOAT32，输出 z 为 FLOAT16；
   • 非广播兼容：x 为 [2,3]、y 为 [2,4]；
   • FLOAT32 尾块：元素个数不是 VL（向量长度/4）整数倍，例如 [1,1,1000]；
   • ascend950 上直接加载算子包调用。
3. 观察报错、精度对比结果及 kernel 加载日志。

四、预期结果 （可选）

• rank > 8 时，tiling/InferShape 返回 GRAPH_FAILED，aclnn 返回 ACLNN_ERR_PARAM_INVALID(161002)，不得发生越界写。
• dtype 不属于 {FLOAT, FLOAT16, BF16} 或 x/y/z dtype 不一致时，应在 tiling/InferDataType 阶段明确报错。
• 非广播兼容 shape 应返回参数错误，而不是静默按 max 形状执行。
• 所有合法 shape（含 0 维标量、空 Tensor、rank 5~8）应输出正确结果，与 golden 精度一致。
• ascend950 上 kernel bin 能正确匹配加载，功能与精度正常。
• 文档中 z 的维度说明应与实现一致（0-8）。

💡 备注（选填）