问题描述

在阅读 math/reduce_log_sum_exp 时发现，aclnnLogSumExp 的 API 契约在头文件注释、README/docs、实际实现和 UT 中存在几处不一致，可能导致用户接入时误用，也会让 UT 对边界语义的覆盖不够明确。

具体不一致点

1. 头文件声明的 dtype/format 与 README/docs、实现不一致

math/reduce_log_sum_exp/op_api/aclnn_logsumexp.h 中的接口注释写到：

• self 数据类型支持 FLOAT16、BFLOAT16、FLOAT32
• 数据格式支持 ND、NCHW、NHWC、HWCN、NDHWC、NCDHW
• out 数据格式也支持上述格式，且需要与 self 一致

但 README.md 和 docs/aclnnLogSumExp.md 中写的是：

• self 支持 FLOAT、FLOAT16、BFLOAT16、INT32、INT64、INT16、INT8、UINT8、BOOL
• out 支持 FLOAT、FLOAT16、BFLOAT16
• 数据格式支持 ND

实际实现 op_api/aclnn_logsumexp.cpp 中：

• CheckDtypeValid 也确实允许整型和 BOOL 作为输入，并在后续将 FLOAT16/BFLOAT16/整型 promote 到 FLOAT 计算；
• 对 format 的处理只是：

if(self->GetStorageFormat() != Format::FORMAT_ND){
    OP_LOGW("Format only support ND");
}

也就是实现层面并没有与头文件注释中的多 format 支持保持一致。

2. dim 为空的语义在实现和 UT 中不够一致

aclnn_logsumexp.cpp 中的注释和实现都表明：dim->Size() == 0 时按“所有轴 reduce”处理。

相关逻辑包括：

// dim为空时，所有轴都视为mask，与竞品一致
if (dim->Size() == 0) {
    dimMask.flip();
}

以及：

// 输入dim为空aclIntArray时，添加输入self的dim
if (dim->Size() == 0) {
    op::Shape shape = self->GetViewShape();
    size_t dimDum = shape.GetDimNum();
    int64_t appendDim[dimDum];
    for (uint64_t i = 0; i < dimDum; i++) {
        appendDim[i] = static_cast<int64_t>(i);
    }
    dim = uniqueExecutor.get()->AllocIntArray(appendDim, dimDum);
}

但 UT 中 case_14 注释为“dim为空”，却构造了：

self shape: {2, 4}
dim: {}
keep_dim: false
out shape: {1}
EXPECT_EQ(aclRet, ACLNN_ERR_PARAM_INVALID);

如果 dim == {} 的语义是 all-reduce，则 keep_dim=false 的期望输出更可能应是 0 维标量 shape {}，而不是 {1}。当前 case 实际验证的是“out shape 不匹配时报错”，并没有验证 dim 为空本身的支持语义。

3. 负数维度 UT 命名与实际验证目标不一致

case_22 注释为“负数维度测试”：

self shape: {2, 3, 4}
dim: {-2}
keep_dim: false
out shape: {2, 3}
EXPECT_EQ(aclRet, ACLNN_ERR_PARAM_INVALID);

但对于 self={2,3,4}，dim=-2 等价于 reduce 第 1 维，keepDim=false 时合理输出 shape 应为 {2,4}。当前用例失败原因更像是 out shape {2,3} 不匹配，而不是负数维度本身非法。

影响

这些不一致会带来几个问题：

1. 用户按头文件注释接入时，可能误用非 ND format；
2. 用户可能不知道 self 实际支持整型/BOOL 输入；
3. dim={} 和负数维度的边界语义没有被 UT 明确覆盖，后续重构时容易回归；
4. README/docs/header 三处 API 契约不一致，维护成本较高。

建议

1. 统一 aclnn_logsumexp.h、README.md、docs/aclnnLogSumExp.md 中的 dtype 和 format 描述。
2. 如果当前算子只支持 ND，建议头文件注释也改为仅 ND，并在实现中考虑将非 ND format 从 warning 改为参数校验失败，或明确说明会内部按 ND 处理。
3. 为 dim={} 增加正向 UT，明确 all-reduce 语义。
4. 调整 case_22，区分“负数维度支持”与“out shape mismatch”两个测试目标。