描述

接入 Ascend950 FP4 MX 量化矩阵乘和 FP8 E4M3 量化矩阵乘，提供公共模板、torch_catlass 接口及 optest。修复输入 storage offset、MX B scale 布局，以及 FP8 单行和末尾单行 tile 的同步问题；补充异常参数检查和失败返回码。

两个样例分别放在 experimental/matmul/ascend950_fp4_mx_quant_matmul/ 和 experimental/matmul/ascend950_fp8_e4m3_quant_matmul/，样例目录及构建目标不带编号。使用前按 README 拷回 examples/ 并注册 CMake 目标；optest 测试件随样例移动，保留 test_85/test_86 文件名及现有 torch/JIT 接口。PR 保持一个 commit。

关联的Issue

Closes #283

对应 Issue #283。

原因

完成两个 Ascend950 量化矩阵乘算子的接入，解决接口、数据布局和单行同步问题，并补齐模型场景及边界泛化验证。样例归入 experimental 分类目录，由用户按说明选择编译运行。

测试

测试脚本已通过 catlass-test-scripts PR #83 合入；后续 PR #89 仅修正 4 处源码路径说明。每个 ATK 目录仍为 YAML、generator、execute 和 node.yaml 四件套。

环境：A5 / Ascend950、CANN 9.1.0、ATK 26.9.8、torch 2.10.0、torch_npu 2.10.0；本轮被测源码 2e05d8bb0e1dcebb970df0320b38a4290289e75f。

• 构建与功能（2026-09-11 新执行）：在独立 worktree 按 README 将样例拷回 examples，两个新目标构建、安装和运行通过；从 experimental 中执行 226 项功能/精度及输入检查，另 1 项单行专用回归通过，均无跳过；4 项缺失数据/空 shape 的失败返回码检查通过。
• 精度检测（2026-09-11 新执行）：为本提交重新构建并安装 torch_catlass wheel，FP4 MX 200/200、FP8 E4M3 200/200，使用 ATK 26.9.8 原生 mixed_tolerance_bm: {}，无自定义阈值。每个算子 100 个不同形状×均匀/正态两种分布，固定种子；M≤4097、K≤2048、N≤4096，覆盖单行、tile 尾块、分组边界及模型场景。生成结果与固定快照逐字节一致，逐例核对正式报告及 CPU/NPU 保存输出。
• 特殊值检测：既有 FP4 14/14、FP8 12/12 通过，覆盖空 Tensor、空 K、格式可表示的 NaN、正负最大有限值及零缩放。FP4 E2M1 不表示 Inf/NaN，E4M3FN 不表示 Inf。
• 内存检测：既有各 20 个不同形状通过，直接包含原 JIT C++ 模板编译，经独立 ACL 驱动运行 mssanitizer，捕获目标内核访存记录且无异常；40 例原生输入与 ATK 保存输入字节一致、插桩输出逐位一致。范围覆盖 C++ 内核及 host launch；本环境 Python JIT 插桩返回停顿保留为历史环境限制。
• 确定性检测：既有各 20 个内存场景，每例 3 次输出逐位一致。
• 本轮迁移仅涉及目录、构建目标、样例数据路径及说明；公共数值实现不变，测试件和数据生成逻辑不变。特殊值、内存及确定性结论沿用迁移前 ba2d303a 的实测证据，本轮未重复这些专项检测。
• 性能检测：本次没有性能优化目标，未做专项性能对比。
• 流水线：当前提交 2e05d8bb 的 PR-pipeline_catlass #3418 全部启用任务通过，覆盖编译构建、静态检查、ARM/IR/lit 单测；平台标签 ci-pipeline-passed。

完整测试证据及专项工具保存在本地，ATK 仓未新增 stress、reports 或专项 tools。

文档更新

更新两个 experimental 样例的 README：第三行增加拷回 examples 的说明，修正目录树、编译/数据生成/执行命令及相对链接，补充迁移后 optest 测试入口；同步 torch 接口的源码位置说明。

类型标签

• Bug修复
• 新特性
• 性能优化
• 文档更新
• 其他，请描述：