Background（背景信息）

ops-blas 库当前缺少面向 arch35（Ascend 950PR / 950DT）平台的 BLAS Level-1 SROT 接口实现。SROT（Givens 平面旋转）对两个等长 FP32 向量 x、y 按标量 c=cosθ、s=sinθ 原地施加平面旋转：

• x[i] = c·x[i] + s·y[i]
• y[i] = c·y[i] − s·x[i]（使用原始 x[i]）
  该运算是 QR 分解、线性方程组求解、特征值计算等数值线性代数算法的基础原语，需提供与 netlib/OpenBLAS 语义一致、满足 FP32 精度门限的接口供上层 CANN 业务调用。

Origin（信息来源）

ops-blas BLAS Level-1 算子在 arch35 平台的补全需求，由 PR #233（作者 @chensi79）提出并实现。

Benefit / Necessity（价值/作用）

• 补全 arch35 平台 BLAS Level-1 rot 算子族，与 asum/nrm2/scal/scalex 等已有算子对齐
• 为依赖平面旋转的上层算法（QR 分解、特征值/奇异值计算、线性方程组求解）提供高性能 NPU 加速原语
• 接口与 CANN aclblas 风格一致，c/s 标量指针自动识别 Host/Device 内存，降低上层适配成本

Design（设计方案）

• 接口签名：aclblasStatus_t aclblasSrot(aclblasHandle_t handle, int n, float* x, int incx, float* y, int incy, const float* c, const float* s)；x/y 为 FP32、in-place 修改，按 incx/incy 步长访问
• 按 stride 连续性分两条 kernel 路径（SIMD 与 SIMT 不可共存于同一二进制）：
  • 连续路径（incx==1 && incy==1）：AIV SIMD kernel，UB 内三 buffer 分块（tileSize = UB_SIZE/(3·sizeof(float))），DataCopy/DataCopyPad 搬运，Muls+Axpy / Muls+Add 计算
  • stride 路径：SIMT kernel，grid-stride 多线程，支持负 stride（尾端起算）与零 stride（退化为单线程串行，复现 netlib 语义）
• host 端用 aclrtPointerGetAttributes 对 c、s 各自独立判定 Host/Device 内存；n≤0 短路返回 SUCCESS；(n−1)·stride 超 int32 范围返回 INVALID_VALUE
• 精度对齐 OpenBLAS：连续路径刻意避免 FMA（防止 c==s/45° 时未舍入项发散），满足 MARE ≤ 10·2⁻¹³、MERE ≤ 2⁻¹³

关联 PR：https://gitcode.com/cann/ops-blas/pull/233