描述

在 IndirectLoad 候选生成链路中支持 Gather 后置 Norm 复合区域（多个 Reduce + Broadcast + Elementwise 组合）的识别、校验与调度接入，并打通稳定 Softmax 的专用/通用双路径分流。

问题场景

含 IndirectLoad 的图后接 Norm 类计算（Softmax / LayerNorm 等）时，现有 Gather+Reduce 候选链存在三类问题：

1. Gather+Softmax 候选被误杀：SoftmaxApiCall::Generate 固定把最后一个向量化轴当作 R，且专用 Softmax 节点保持完整输入输出形状；普通 Reduce 的 stride 推导（BuildPostReduceLayout）对它推不出归约轴，导致所有 Gather+Softmax 候选在布局校验阶段被淘汰。
2. 多 Reduce 图断言失败：CollectOutputBoundaries 遇到第二个 Reduce 时触发图级断言 analysis.post_reduce == nullptr，LayerNorm 均值/方差双分支形态直接编译失败。
3. SIMT 静默降级：FindPostReduceChain 遇多个 Reduce 返回空，has_post_reduce=false 使 SIMT 错误降级为直接写 GM 输出，绕过 Norm 统计阶段。

问题原因

• 现有 RewrittenGraphAnalysis::post_reduce 为单 Reduce 假设，是 Gather+Reduce 全链路的布局锚点，但无法表达多统计 Reduce 区域；
• Softmax Pattern 替换依赖 ReducePartitionCaseGenerator 的 AllLoad 流程，而该 Generator 遇 IndirectLoad 提前返回，主图中稳定 Softmax Pattern 永远不会被替换为专用节点；
• 归约轴推导与尾轴 API 约束（SoftmaxApiCall 尾轴 R）之间缺乏显式分流。

修改方案

1. 新增 norm_utils：NormInfo/NormStage 元数据结构，基于节点 ExtAttr（与 TemplateAxes/LogicalView 同模式）随候选图复制传递，不侵入通用 ScheduleTask 结构。
2. 抽取 softmax_pattern_fusion_utils：将 Softmax 匹配逻辑拆为 MatchStableStructure（结构+dtype+布局+消费者闭合）与 MatchStableDedicated（+尾轴 R 约束）；原 Pass 改为薄壳调用，全图行为不变。
3. 候选图副本内 Softmax 规范化：NormalizeDirectPostSoftmax 仅替换原始输入可回溯到 IndirectLoad 输出、且满足专用 API 尾轴约束的 Pattern；非尾轴 Pattern 保留原始 Max/Sum 图进入通用路径。
4. 多 Reduce 复合区域：CollectOutputBoundaries 收集全部 Reduce（多 Reduce 时不停在首个），逐个校验同轴 Broadcast 配对（stride 差推导归约轴 vs 零 stride 推导恢复轴，轴 ID 集合相等）；CollectGatherNormInfo 校验入口/最终输出 View 一致后写入多 stage NormInfo。
5. SIMD 逐 Reduce 独立校验：ValidateSimdCompositeLayouts 对每个 Reduce 独立执行 ValidateSimdPostReduceLayout（G≥R+后缀连续），避免整链转换次数误判；SeedCompositeReduceInputViews 为全部 Reduce 种向量化视图。
6. SIMT 串行多阶段：FindPostReduceChain 保留首个 Reduce 作为 local target 锚点并继续遍历下游 Broadcast/Elementwise/Reduce，后续统计阶段由普通调度链执行。
7. 分组完整性：FinalizeGroupedGraphLoweringMetadata 校验 Norm 区域节点与 IndirectLoad 同组（SIMD/SIMT 图级断言；SK 的 workspace 分区拆分为合法形态仅记录日志）。

修改效果

• 修复后三类形态进入正常调度链：Gather+Softmax（专用 API）、Gather+LayerNorm（多 Reduce 共享输入）、Gather+串行多阶段；
• 全部失败路径改为候选级淘汰并记录日志（原为图级断言失败）；
• 多阶段区域复用既有节点级 Reduce/Broadcast/Elementwise Codegen，不新增专用 Norm 设备 API；
• 原有单 Reduce、无 Reduce 场景行为完全不变；
• 未侵入 ScheduleTask 等通用结构。

变更类型

• ✨ New feature

关联的Issue

无（如需方案讨论 Issue 可后续补充链接）

如何测试

1. 已执行：bash build.sh --pkg 增量构建，全部修改文件编译通过（0 生产编译错误）；
2. 已验证：构建失败项仅为既有 ST 环境问题（TestBackendIndirectLoadBroadcastE2e 的 (index < tensors_.size()) 断言，干净基线同样失败）；
3. 未执行：UT/ST 专项测试、NPU 设备精度与性能验证（待后续补充）。

核对清单

• 我的代码遵循了项目的代码风格
• 我已对功能进行了自测（生产编译验证）
• 我已更新了相关的文档
• 我在标题中使用了适当的类型标签（feat:）
• 我已仔细阅读贡献指南（CONTRIBUTING.md）并遵循所有规则

其他信息