一、背景信息 （必填）

仓库已存在完整算子 math/sort_with_index，但其 AICore().AddConfig 仅注册 ascend950，kernel 全在 op_kernel/arch35/（ascend950 专用），在 Ascend910B 上无可用 kernel/二进制（系统 opp 中的 SortWithIndex 同样仅 arch35，且未导出 aclnnSortWithIndex）。本需求补齐 Ascend910B 原生 AscendC 开源实现，落到 experimental/math/sort_with_index/，以 math/sort_with_index 为接口真值源。

二、价值/作用 （必填）

• 让 SortWithIndex 在 Atlas A2（910B）上可用，填补该芯片上的能力缺口。
• 语义：沿指定维度排序，双输出——排序后的 values（y）与跟随排序重排后的索引（sorted_index）。等价于「排序 + 携带一个调用方提供的索引张量同步搬移」，是 Top-K、argsort、检索/重排、稀疏索引跟随等场景的基础算子（index=0..N-1 时 sorted_index 即 torch.sort 的 indices）。
• 支持 descending（降序）与 stable（稳定排序）语义。

三、设计方案 （必填）

3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）

Aclnn 直调（aclnnSortWithIndex 两段式）、GE 图模式（proto，动态 shape/rank）、PyTorch（经 torch_npu）。

3.2 总体设计

基于 910B 可用的 Concat/Sort/Extract（大轴核内 MrgSort）重写排序核；索引跟随利用 AscendC Sort 的位置稳定性。

3.2.1 算子支持的数据类型

3.2.2 host侧设计

• op_def：AddConfig("ascend910b", …)，声明 4 组 dtype，属性 axis(-1)/descending(false)/stable(false)。
• infershape：y.shape = x.shape、sorted_index.shape = index.shape；静态 shape 下强制校验 x.shape == index.shape。
• tiling：按「非排序维（行）」多核切分、行内不跨核；UB 切分 + dtype 感知 padLen 对齐；TilingKey 三维 (VALUE_DT, INDEX_DT, SIZE_MODE)，SIZE_MODE ∈ {单 tile, 大轴 MrgSort, 空 tensor}；单行排序轴长超出核内上限时 tiling 返回失败，不崩溃。
• op_graph：proto + InferDataType（输出 dtype 跟随输入）。

3.2.3 kernel侧设计

• 排序核：Concat + Sort + Extract（基于 8B proposal 记录），大轴用核内 MrgSort 多块归并（无 SyncAll）。
• 索引跟随：AscendC Sort 在分数相等时按输入位置（positional stable）定序，而非按索引通道值；故 int32 调用方索引可直接进入 Sort 索引通道并提取得到 sorted_index，省去 position 通道 + 偏移 Muls + Gather（int64 与大轴 MrgSort 路径仍用 position 通道 + Gather）。
• dtype 通路：half/float 直接 Sort；bf16/int32-value 经 Cast → float → Sort → Cast 回原 dtype。
• 升序经 Muls(-1) 取反；±Inf 用 ±Inf 哨兵（升序 +Inf / 降序 -Inf，避免有效 ±Inf 被哨兵顶替）。
• 同步精简：尾部屏障按真实依赖收窄（PIPE_V，仅覆盖 V→MTE3）。

3.3 支持硬件

Ascend910B（Atlas A2 系列，DAV_2201）

3.4 算子约束限制

• index 仅 int32：910B 框架排序算子族在非 RegBase 上强制 index 输出为 int32，int64-index 经 aclnn 不可选中，故首版不对外暴露 int64-index（int64 kernel 代码保留但不注册）。
• 仅最后一维排序：axis 须为 -1 或 rank-1，否则报错；行间独立。
• 单行排序轴长有上限（dtype 相关，约 2500–3000，随运行时可用 UB 取值）：超界返回 tiling 失败（优雅拒绝，非崩溃）；超大轴的 GM workspace 方案留后续迭代。
• int32 value 仅 |x| ≤ 2^24 精确（经 float 路径排序）。
• NaN 升序落序列开头（910B 实现，区别于 torch.sort 的末尾约定）；位型比对按 isnan（非按 bit）。±Inf：+Inf 升序末尾、-Inf 升序开头。
• 不支持广播：x 与 index 必须同 shape。

💡 备注（选填）