问题描述

gemv_strided_batched 算子（Ascend950 / arch35 平台）在非 FP32 半精度路径（FP16/HSH、HSS、TST/BF16、TSS）中，Cast 操作的 element count 向上对齐到 128 后可能超出 UB buffer 实际分配容量，存在 UB buffer 越界写风险。

具体问题位置：

1. InitUbuf()：缺少 maxVecEleNum >= outTile 的初始化约束
2. CastleYHalfToFloat()：DataCopy 经 32B 对齐后的 cnt 和 castRepeatNum * ELENUM_REPEAT_FP16 均可能超过 maxVecEleNum
3. CastleHalfToFloat()：matCastRepeatNum * ELENUM_REPEAT_FP16 可能超过 maxMatEleNum

同时 README 中 HSH/HSS/TST/TSS 四个接口缺少完整可运行的调用示例代码。

环境信息

• 芯片型号：Ascend 950
• CANN 版本：9.1.0
• SOC 编译选项：--soc=ascend950

影响范围

仅影响 gemv_strided_batched 算子（arch35），其他算子不受影响。

修复方案

1. InitUbuf() 中 maxVecEleNum 取 max(max(dotTile, 64), outTile)
2. CastleYHalfToFloat() 中 cnt 和 castCnt 以 maxVecEleNum 为上界 clamp
3. CastleHalfToFloat() 中 matCastCnt 以 maxMatEleNum 为上界 clamp
4. README 补齐 HSH/HSS/TST/TSS 四个接口的完整调用示例