Pull Request 说明

变更说明

• 关联 Issue：无
• 主要改动：

将原 sparse_attention_grad_optimization.md 拆分为两张单算子 Runbook，分别维护块掩码与 topK 索引两种稀疏注意力反向形态：

1. 新增 block_sparse_attention_grad_optimization.md，记录 device 侧掩码转置与选择表构建、连续写回、归约方向和独立 tile 规则。
2. 新增 sparse_flash_attention_grad_optimization.md，记录微基准定位、dense-k 大 GEMM 重构、中间布局、精度修复和调试方法。
3. 两张 runbook 的类别约束统一链接 attention_writing_classification.md，不新增设计期约束卡，既有 block_sparse_attention_constraints.md 不改动。
4. 删除合并卡片，同步 performance 目录索引及当天日志。

• 补充说明：知识来自 Ascend 910B3 上的两个算子完整开发实测轨迹，环境为 triton_ascend 3.6.0 与 CANN 9.1.0。轨迹沉淀的 Runbook 按治理规约使用 sources: []，正文保留触发条件、探针方法、原始观测与验证信号。所有结论仅声明在实测平台 a2 有效，frontmatter 的 platforms 与实测范围一致。

性能证据

SparseFlashAttentionGrad 评测集 18 个 case，覆盖 B 从 1 到 8、S1 从 512 到 8192 含非 2 幂边界、S1 与 S2 不等长、N1 从 4 到 128、K 四档、两种 sparseMode 和 fp16/bf16。Triton 实现经 4 轮 profile 驱动优化，总核时从 6764.3ms 降到 199.5ms，提升 33.9 倍。对 AscendC 标杆算子 npu_sparse_flash_attention_grad 的核时系数，逐 case 独立进程加 profiler kernel_details 口径，全 18 个 case 大于 0.6，最小 0.7424，几何平均 2.6177，官方精度验证 18 个 case 全部通过。

BlockSparseAttentionGrad 的对照数据为：总核时 5934.7ms 降到 21.67ms，提升 273.8 倍，几何平均系数 0.9283，17 个 case 全部大于 0.6。

SFAG 逐 case 明细如下，系数为 AscendC 核时除以 Triton 核时，大于 1 表示 Triton 更快：

变更类型

• 知识卡
• 治理规则（Schema / Profile / Registry / Contract / Spec）
• Knowledge Skill（Ingest / Query / Lint）
• 检索、评测或测试
• 安装、脚本、依赖或 CI
• 文档
• 其他：

验证

• bash check.sh 已通过
• 已按需同步导航、链接、日志、规则消费者、文档和测试
• 未提交敏感信息、大段上游原文或 artifacts/ 等可重建产物
• 变更保持最小、相关，并符合 CONTRIBUTING.md

本地已通过全库 Lint，检查 9058 页且 P0/P1/P2 均为 0；索引检查 712 项且无过期；两个目标算子均可召回新卡；36 项 trace 测试和字段检查通过。完整 check.sh 未通过：检索质量门禁的失败项位于本次未修改的 Ascend C 用例，Windows 下部分 evals 存在编码与路径兼容性失败，本机也无法从可用包源安装 ruff。