[Requirement] 将 BIRS 批量不变性扩展至变长 ReduceScatterV（ReduceScatterVBIRS / ReduceScatterVBIRSInter）

Issue 类型: Requirement
关联: 扩展已合入 RFC 0001（cann/hccl#657）BIRS（均匀 ReduceScatter）；相关 Issue cann/hccl#96、cann/hcomm#139

背景与动机

RFC 0001 已为均匀 HcclReduceScatter 引入 BIRS（Batchsize Invariant ReduceScatter）算法：在 A3（SIO + HCCS 混合拓扑）上对大消息相比 RHD 提升约 25%，并保证确定性规约顺序（bit-identical）。但 RFC 0001 仅覆盖各 rank 接收量一致的场景。

实际业务中存在变长 ReduceScatter 需求（HcclReduceScatterV API：各 rank 的 recvCounts/sendDispls 可不同），典型场景：

• Mixture-of-Experts 中按专家容量的梯度聚合；
• 非均衡/动态数据并行的梯度分片；
• 按负载动态切分的通信。

当前变长场景无批量不变性算法，仍走 RHD/其他路径，无法保证不同 batch 划分下位级一致——这与 RFC 0001 §Background 列举的 RLHF/PPO、vLLM 批量不变性、CI 复现等需求存在缺口。

业务价值

1. 确定性扩展至变长场景：各 rank 接收量随 batch 动态变化时仍保证 bit-identical 输出。
2. 性能：A3 大消息变长场景下复用 BIRS 的 SIO + HCCS 并行带宽利用，预期对齐 RFC 0001 提升口径（≥16MB 约 25%）。
3. API 一致：不新增用户 API，复用 HcclReduceScatterV，通过环境变量选路，对用户透明。
4. 复用既有开关与基础设施：沿用 HCCL_BIRS_ENABLE + ENABLE_EXPERIMENTAL=ON 双闸与 experimental 公共件（op_common_experimental、topo_experimental、alg_template_base_experimental）。

大致技术方案

在 experimental/ops/reduce_scatter_v/birs/ 下新增 BIRS 的变长模板（代码已就位，本 Issue/RFC 用于补齐流程合约）：

关键差异（相对均匀 BIRS）：

• slices_ 由外部按 sendDispls/sendCounts 传入变长切片；
• 每轮传输量取目标 rank 的 slices_[rank].size；
• scratch 以 localStrideSize（RoundUp(maxSliceSize, HCCL_MIN_SLICE_ALIGN_910B)）为统一步长；
• Inter 变体跨服务器批量规约以 localStrideSize * serverNum_ 为单位连续传输：各 rank 接收量一致时与原 BIRS 完全等价；不一致时 SUM 保证正确（scratch 对应区域清零），PROD/MAX/MIN 建议各 rank 接收量保持一致（约束写入文档与错误日志）；Intra 变体（ReduceScatterVBIRS）对所有规约均完全正确。

约束与适用条件

• 平台：A3 服务器（SIO + HCCS 混合拓扑）。
• rankSize：偶数（典型 4 / 8 / 16）。
• 切片对齐：满足 HCCL_MIN_SLICE_ALIGN_910B。
• Inter 非均匀接收量下仅 SUM 保证正确；PROD/MAX/MIN 建议均匀（约束显式落文档与日志）。
• 不满足约束时退出并打日志，回退既有算法。

验收标准

• 变长 ReduceScatterV 在 A3、SUM/MAX/MIN/PROD、FP16/FP32/BF16、rankSize 4/8/16 下功能正确。
• 批量不变性：相同输入、不同 batch/划分下输出 bit-identical。
• 性能：大消息（≥16MB）相比 RHD 有可测提升（对齐 RFC 0001 口径，算子执行时间不含 submission 开销）。
• HCCL_BIRS_ENABLE=FALSE（默认）时既有 ReduceScatterV 行为不受影响（回归）。
• 含 UT + ST；走 experimental 双闸默认关闭。

测试要求

• ST：test/st/algorithm/testcase/ 下新增变长 BIRS 用例（参考既有 reduce_scatter_testcase_a3.cc）。
• UT：executor/selector/template 关键路径单测。
• 批量不变性专项用例（变 batch、变划分、变 rank 接收量）。
• 性能用例（对比 RHD，Task Duration）。

后续流程

依 CONTRIBUTING.md「增加新功能或新特性」：本 Issue 经 SIG 接纳（accepted）后 → 提交取号 PR（在 docs/zh/rfcs/INDEX.md 占位 0002，状态 reserved）→ 按 docs/zh/rfcs/0000-template.md 撰写 RFC 文档 PR → 评审合入（accepted）→ 代码 PR（experimental/）合入。