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)

PadTilingFunc 函数在计算 Brcb 尾块的 repeat times 时，使用整数除法 brcbFractalTail / 8 对尾块元素数进行 8 对齐切分。当尾块元素数 brcbFractalTail ∈ [1, 7] 时，brcbFractalTail / 8 经整数截断结果为 0，导致 brcbFractalTailRepeatTimes 与 brcbFractalTailRepeatTimesTail 均被计算为 0。

kernel 侧 pad_base_impl.h 的 2201 架构 UnAlignedPad 路径依据这两个 tiling 字段决定是否发射 Brcb 指令：

// pad_base_impl.h:215-228
if (brcbFractalCount == brcbFractal) {
    for (uint32_t i = 0; i < brcbFractalTailRepeatTimes; i++) {       // 0 次，不执行
        Brcb(...);
    }
    if (brcbFractalTailRepeatTimesTail) {                              // 0，条件为 false，不执行
        Brcb(...);
    }
    tmp1RowFull = brcbFractalTail;
}

两个循环/分支均不执行，尾块的 1~7 个元素不会从 srcTensor 加载到 tmp1，最终输出数据错误。

缺陷代码位置

impl/adv_api/tiling/pad/pad_tiling_impl.cpp 第 169-170 行：

uint32_t brcbFractalTailRepeatTimes = brcbFractalTail / 8 / maxRepeatTimes;       // [1,7]/8 = 0
uint32_t brcbFractalTailRepeatTimesTail = brcbFractalTail / 8 % maxRepeatTimes;   // [1,7]/8 = 0

其中 brcbFractalTail = srcHeight * srcWidth % brcbTiling，即总元素数对 brcbTiling 取余后的尾块剩余元素数。

对比：同文件中正确的向上取整写法

第 151-152 行的 widthFractalTailAlingned 已正确使用 ceiling division 处理非对齐尾块：

uint32_t widthFractalTailAlingned =
    ((widthFractalTail - 1) / (PAD_ONE_BLK_SIZE / typeSize) + 1) * (PAD_ONE_BLK_SIZE / typeSize);

说明 Brcb 尾块路径遗漏了同样的向上取整处理。

Environment / 环境信息 (Mandatory / 必填)

• 仓库: cann/asc-devkit
• 分支/Tag: 9.2.0-beta.1（master 与其完全一致，9.1.0 的 BRC 计算逻辑同样存在）
• 受影响架构: NpuArch::DAV_2201（Ascend910B）
• 不受影响架构:
  • DAV_3510 / DAV_5102：使用 SIMD Reg API（pad_3510_impl.h），不走 Brcb
  • __NPU_ARCH__ == 2002（Ascend910A）：走 DuplicateLastDimImpl，已正确处理 tailM = srcSize % BRCB_BROADCAST_NUMBER
• 触发条件: width * sizeof(T) % 32 != 0（非 32B 对齐，进入 UnAlignedPad 路径）且 srcHeight * srcWidth % brcbTiling ∈ [1, 7]

Steps to reproduce the issue / 重现步骤 (Mandatory / 必填)

触发条件推导

以 typeSize=2（half）、stackBufferSize=4096 为例：

baseBlockLen  = 16 * 32          = 512 (Byte)
baseBlockSize = 512 / 2          = 256 (ele)
tmpBuffer1BlockNum = 4096 / 2 / 256 / 2 = 4
brcbTiling    = 16 * 4           = 64  (ele)

当 srcHeight * srcWidth 对 64 取余结果落在 [1, 7] 时触发。例如 srcHeight=1, srcWidth=65（total=65，brcbFractalTail=1）。

数值验证

触发面扫描（width 非 32B 对齐，half 类型）

复现步骤

1. 拉取 cann/asc-devkit 仓库 9.2.0-beta.1 分支
2. 构造一个 shape 为 [1, 65]（half 类型）的 Pad 调用，leftPad=0, rightPad=0，使 width * sizeof(half) = 130 非 32B 对齐
3. 提供 stackBufferSize=4096 的 sharedTmpBuffer
4. 执行 Pad(dst, src, padParams, sharedTmpBuffer, tiling)，tiling 由 PadTilingFunc 生成
5. 对比输出与输入：尾块第 65 个元素未被加载到 tmp1，输出该位置数据错误

Describe the expected behavior / 预期结果 (Mandatory / 必填)

当 brcbFractalTail ∈ [1, 7] 时，Brcb 应至少执行 1 次 repeat（处理这 1~7 个元素），而非 0 次。

即 brcbFractalTail / 8 应使用向上取整，使 brcbFractalTailRepeatTimesTail >= 1，保证尾块数据被加载。

Related log / screenshot / 日志 / 截图 (Mandatory / 必填)

Special notes for this issue/备注 (Optional / 选填)

调用链

Pad (pad.h:52)
  └─ PadImpl (pad_common_impl.h:41)
       └─ PadCompute (pad_v220_impl.h:31)
            ├─ AlignedPad      (32B 对齐路径，不使用 Brcb，不受影响)
            └─ UnAlignedPad    (pad_base_impl.h:115)
                 └─ Brcb 尾块循环 (pad_base_impl.h:215-228)  <- 受影响

Tiling 字段定义（include/adv_api/pad/pad_tilingdata.h）

BEGIN_TILING_DATA_DEF(PadTiling)
...
TILING_DATA_FIELD_DEF(uint32_t, brcbTiling);
TILING_DATA_FIELD_DEF(uint32_t, brcbFractal);
TILING_DATA_FIELD_DEF(uint32_t, brcbFractalTail);
TILING_DATA_FIELD_DEF(uint32_t, maxRepeatTimes);
TILING_DATA_FIELD_DEF(uint32_t, brcbTilingRepeatTimes);
TILING_DATA_FIELD_DEF(uint32_t, brcbTilingRepeatTimesTail);
TILING_DATA_FIELD_DEF(uint32_t, brcbFractalTailRepeatTimes);     // bug 字段 1
TILING_DATA_FIELD_DEF(uint32_t, brcbFractalTailRepeatTimesTail); // bug 字段 2
END_TILING_DATA_DEF;

分支对比