一、问题描述 （必填）

AddMatMatElements 在 Ascend 950（arch35）非广播连续输入路径中，rank > 5 时会按外层维度循环发起多次 NDDMA DataCopy。当连续数据被拆成大量小块搬运时，会产生较高的调用开销，影响高 rank 场景性能。

同时，现有 Host/GEIR 验证未完整覆盖 rank-0 的 a、b 广播、输出 shape/rank 覆盖推导、输入输出格式转换及显式 Cast 边界，相关行为缺少回归保护和文档约束。

二、环境信息 （可选）

• 昇腾硬件型号：Ascend 950（arch35，DAV_3510）
• 算子：AddMatMatElements
• 数据类型：FLOAT16、FLOAT

三、重现步骤 （可选）

1. 在 Ascend 950 的 AddMatMatElements 非广播路径执行 rank > 5 的连续输入场景。
2. 检查原 CopyInBrc 实现，可见其对 outerIters 循环并逐次调用 NDDMA DataCopy，连续 tile 被拆分为多次小搬运。
3. 构造 rank-0 a/b、错误输出 shape/rank、非 ND 输入输出格式和显式 Cast 的 GE 图场景，现有 Host UT 与 GEIR 示例缺少完整覆盖。

四、预期结果 （可选）

1. 非广播连续 tile 使用单次 DataCopyPad 完成搬运，减少高 rank 场景的小粒度 NDDMA 调用。
2. Host UT 覆盖 rank-0 输入支持和非法 rank-0 参数拒绝，InferShape 覆盖广播及输出 shape/rank 覆盖推导。
3. GEIR 示例覆盖格式转换、输出描述符推导、显式 Cast 契约和可选 device，并在 README 中明确相关约束。

💡 备注（选填）

关联 MR：https://gitcode.com/cann/ops-math/merge_requests/6805