一、背景信息 （必填）

reduce_var / ReduceStdV2 共享的 AR 两趟（two-pass）规约路径在 ascend950（arch35）上存在两点可优化项：

1. TilingData 携带 reduceCntEachGroupR[MAX_CORE_COUNT]（56 核逐 group 数组，结构体 1376B），且 tiling 侧承担逐 group 的 R 元素数计算，存在冗余；
2. AR 两趟 VF 只有一个 PadLessVL 风格实现，在 RNum > VL 的大 R 场景性能不佳。

二、价值/作用 （必填）

• tilingdata 由 1376B 精简到 352B，去掉随核数扩张的数组，降低开销与维护成本；
• group 计数改为 kernel 侧闭式计算（CalcInnerUbRCnt()/CalcGroupReduceCnt()），phase2 按需计算真实规约 R 元素数，不再依赖逐 group 数组；
• VFMeanVarTwoPassAR 按 R 大小分三档（LessVL / LessTwoVL / Common），大 R 场景实测 bf16 (8192,256) 约 -19%、fp16 (362,512) 约 -6%~-8%，其余 ±2% 内无回退；AR/group 场景精度全部通过。

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（ReduceVar 算子），不涉及框架侧改动。

3.2 总体设计

3.2.1 算子支持的数据类型

float16 / bfloat16 / float32

3.2.2 host侧设计

• 删除 ReduceVarTilingData::reduceCntEachGroupR[MAX_CORE_COUNT] 与 MAX_CORE_COUNT；
• 删除 SetReduceCntEachGroupR / ComputeInnerUbRCnt 及相关成员；
• tiling 仅输出必要的切分字段。

3.2.3 kernel侧设计

• Init() 中闭式计算当前核所在 group 的 groupReduceCnt_；phase2 按需计算每个 group 的真实规约 R 元素数；
• VFMeanVarTwoPassAR 三段分档：LessVL（RNum<=VL，原实现）/ LessTwoVL（VL<RNum<=2VL，纯寄存器、无 LocalMemBar）/ Common（RNum>2VL，quotient 对半生成 partial、每个 scope 一次 LocalMemBar、var 用 DIST_BRC_B32 广播 mean）；
• scratch 独立化：AR 两趟路径下 welford 缓存空闲，借 tMeanTensor_ 作 partBufLocal，meanBuf 独占 dichotomyAddLocal；
• VF 内 for 循环统一从 0 开始，满足 regbase VF 硬约束。

3.3 支持硬件

Ascend950（arch35）

3.4 算子约束限制

• 仅优化 AR 两趟路径（其余路径逻辑不变）；
• 无新增数据类型/广播限制。

💡 备注（选填）
对应代码改动见关联 PR。