一、文档链接 （必填）

https://gitcode.com/cann/ops-math/blob/master/math/cholesky/docs/aclnnLinalgCholesky.md

二、问题文档片段 （必填）

math/cholesky/docs/aclnnLinalgCholesky.md:85（self）与 :105（out）的「数据类型」列均为 FLOAT、BFLOAT16，未列 FLOAT16。

现象

资料的 self/out 数据类型限定为 FLOAT、BFLOAT16；实现的支持列表包含 DT_FLOAT16（math/cholesky/op_api/aclnn_linalg_cholesky.cpp:34），并在 :157 对 BF16/FLOAT16 统一 Cast 到 FLOAT 后计算。实测 fp16 两段返回 0/0、sync 0，分解结果与 fp32 一致（在 fp16 量化误差内）；真正不支持的 INT32 返回 161002，说明 dtype 校验本身生效。

期望

self 与 out 的「数据类型」列补 FLOAT16；若个别产品不支持，按资料既有写法在产品支持情况中单独注明，而不是从公共 dtype 列表里省略。

环境

• cann/ops-math master 584b2ea6cbaeba684a51a74296d82d4d50ab3b0f（git fetch 后 local == origin/master）
• Atlas A2 训练系列 910B2（8 卡），测试用 5 号卡（Health=OK、无进程；0 号卡 Health=Alarm 未使用）
• CANN 9.2.0（aarch64），g++ 11.4.0
• 输入 3×3 对称正定矩阵 A=[[10,2,3],[2,8,1],[3,1,6]]，upper=false

复现步骤

1. 保存下方脚本为 repro.sh。
2. export ASCEND_HOME_PATH=<CANN 安装目录>（需含 include/aclnnop 与 lib64）。
3. bash repro.sh（脚本编译 repro.cpp 并依次跑 fp32 / fp16 / int32）。
4. 读输出：fp16 first=0 second=0 sync=0 L00=3.162109 ...，即资料未列出的 FLOAT16 正常执行。
5. 对照 int32 first=161002：不支持的 dtype 仍被拦下，排除「dtype 校验整体失效」。

复现脚本

#!/bin/bash
# aclnnLinalgCholesky dtype probe: doc lists FLOAT/BFLOAT16, does FLOAT16 really pass?
set -e
CANN=${ASCEND_HOME_PATH:-/usr/local/Ascend/ascend-toolkit/latest}
export ASCEND_OPP_PATH=${ASCEND_OPP_PATH:-$CANN/opp}
export LD_LIBRARY_PATH=$CANN/lib64:/usr/local/Ascend/driver/lib64:$LD_LIBRARY_PATH
export ASCEND_RT_VISIBLE_DEVICES=${DEV:-5}
cat > repro.cpp <<'CPP'
// build: g++ -std=c++17 -O2 repro.cpp -o repro -I$CANN/include -I$CANN/include/aclnnop -L$CANN/lib64 -Wl,--allow-shlib-undefined -lascendcl -lopapi -lnnopbase
// 对照组 fp32（资料列出）；缺陷组 fp16（资料未列出）；负向对照 int32（真不支持，应 161002）
#include <bits/stdc++.h>
#include "acl/acl.h"
#include "aclnnop/aclnn_linalg_cholesky.h"
struct T { void* d = nullptr; aclTensor* t = nullptr; };
static const int N = 3;
static const float A[N][N] = {{10,2,3},{2,8,1},{3,1,6}};
static bool Mk(const void* h, size_t bytes, aclDataType dt, std::vector<int64_t> s, T& o) {
    if (aclrtMalloc(&o.d, bytes, ACL_MEM_MALLOC_HUGE_FIRST) || aclrtMemcpy(o.d, bytes, h, bytes, ACL_MEMCPY_HOST_TO_DEVICE)) return false;
    std::vector<int64_t> st(s.size(), 1);
    for (int i = (int)s.size() - 2; i >= 0; --i) st[i] = s[i + 1] * st[i + 1];
    o.t = aclCreateTensor(s.data(), s.size(), dt, st.data(), 0, ACL_FORMAT_ND, s.data(), s.size(), o.d);
    return o.t != nullptr;
}
static void Run(const char* name, aclDataType dt, const void* in, size_t bytes) {
    T a, o; std::vector<char> out(bytes, 0);
    if (!Mk(in, bytes, dt, {N, N}, a) || !Mk(out.data(), bytes, dt, {N, N}, o)) return;
    uint64_t ws = 0; aclOpExecutor* ex = nullptr;
    aclnnStatus r1 = aclnnLinalgCholeskyGetWorkspaceSize(a.t, false, o.t, &ws, &ex);
    void* wsa = nullptr; if (r1 == 0 && ws > 0) aclrtMalloc(&wsa, ws, ACL_MEM_MALLOC_HUGE_FIRST);
    aclnnStatus r2 = r1 == 0 ? aclnnLinalgCholesky(wsa, ws, ex, nullptr) : r1;
    aclnnStatus r3 = aclrtSynchronizeStream(nullptr);
    aclrtMemcpy(out.data(), bytes, o.d, bytes, ACL_MEMCPY_DEVICE_TO_HOST);
    if (r1 != 0) {
        printf("%-6s first=%d second=%d (dtype outside support list)\n", name, r1, r2);
    } else {
        double L[N][N] = {{0}}, err = 0;
        for (int i = 0; i < N; ++i) for (int j = 0; j < N; ++j)
            L[i][j] = dt == ACL_FLOAT ? ((float*)out.data())[i*N+j] : (double)((__fp16*)out.data())[i*N+j];
        for (int i = 0; i < N; ++i) for (int j = 0; j < N; ++j) {
            double s = 0; for (int k = 0; k < N; ++k) s += L[i][k] * L[j][k];
            err = std::max(err, std::fabs(s - A[i][j]));
        }
        printf("%-6s first=%d second=%d sync=%d L00=%.6f max|LLt-A|=%.1e\n", name, r1, r2, r3, L[0][0], err);
    }
    aclDestroyTensor(a.t); aclDestroyTensor(o.t); aclrtFree(a.d); aclrtFree(o.d); if (wsa) aclrtFree(wsa);
}
int main() {
    if (aclInit(nullptr) != ACL_SUCCESS || aclrtSetDevice(0) != ACL_SUCCESS) return 3;
    __fp16 A16[N][N]; int32_t A32[N][N];
    for (int i = 0; i < N; ++i) for (int j = 0; j < N; ++j) { A16[i][j] = A[i][j]; A32[i][j] = 1; }
    Run("fp32", ACL_FLOAT, A, sizeof(A));
    Run("fp16", ACL_FLOAT16, A16, sizeof(A16));
    Run("int32", ACL_INT32, A32, sizeof(A32));
    aclrtResetDevice(0); aclFinalize();
    return 0;
}
CPP
g++ -std=c++17 -O2 repro.cpp -o repro -I$CANN/include -I$CANN/include/aclnnop \
    -L$CANN/lib64 -Wl,--allow-shlib-undefined -lascendcl -lopapi -lnnopbase
./repro

实测输出（5 号卡）：

fp32   first=0 second=0 sync=0 L00=3.162278 max|LLt-A|=3.3e-07
fp16   first=0 second=0 sync=0 L00=3.162109 max|LLt-A|=5.4e-03
int32  first=161002 second=161002 (dtype outside support list)

影响

按资料选型的调用方会把 fp16 排除在 aclnnLinalgCholesky 之外，先 Cast 到 fp32 或 bf16 再调用，多一次显存往返与一次 kernel；实际实现已支持 fp16 并给出正确分解。

建议

资料 self/out 数据类型补 FLOAT16。与 #3944（Bernoulli 的 selfRef 漏列 BFLOAT16）属同类但接口不同：本条是 aclnnLinalgCholesky 的 self/out 漏列 FLOAT16，且已有实测两段 0 + 正确分解。