变更摘要

本 PR 对 AccumulateNV2 算子进行验证整改，围绕功能缺陷修复、广播语义收回、死代码清理、性能优化与 golden 精度标准落位展开。核心是补齐 dtype/N 参数校验、将算子本体收敛为同 shape 强校验（广播对齐交由 aclnnSum 的 op_api 层 BroadcastTo 承担），并将 fp32 累加由 TwoSum 补偿改为与竞品同构的顺序求和，同时删除 tiling 中的广播死字段、将 fp16 非广播路径切换为 Vector 管线 half 累加，并新增 tests/assets/golden.py 落位 tolerance 标准。

主要改动

• 三层补齐 dtype 一致性校验: aclnn_sum.cpp 的 CheckDtypeValid 逐个校验 tensors[i] 与 out 的 dtype；InferDataType4AccumulateNV2 遍历输入校验与首个输入一致并处理输入数为 0；tiling 侧 FillShapeInfo 一并校验输入与输出 dtype，不一致即返回 GRAPH_FAILED。
• 广播收回与同 shape 契约: accumulate_nv2_infershape.cpp 移除 InferShape4Broadcast，改为校验 N 等于实际输入数并对每个输入逐维比对首输入 shape；accumulate_nv2_graph_infer.cpp 删除 MergeBroadcastShape/MergeBroadcastDim，FillShapeInfo 删除广播 stride 计算并直接以首输入 shape 作为输出。
• fp32 极值求和改为 TF 同构顺序累加: AccumulateNV2SimtKernel 删除 TwoSum 补偿逻辑，改为 N<=9 左到右顺序累加、N>9 余数优先 8 分块累加，复现 TF AddN 舍入行为；kernel 收敛为 float 专用，删除 GetBroadcastInputOffset 与广播死分支。
• 死字段与死代码清理: AccumulateNV2TilingData 删除 rank、needBroadcast、outputShape、inputStrides 四个字段；accumulate_nv2.h 中同步删除 ACCUMULATE_NV2_SIMT_SHAPE_OFFSET/STRIDE_OFFSET 及相关成员与初始化；删除测试 test_accumulate_nv2_graph_infer_pass.cpp。
• fp16 路径与 golden 精度标准: fp16 非广播路径改为 Vector 管线 half 累加（UT 期望值由 2050 调整为 2048）；新增 tests/assets/golden.py，分 kernel 直连（numpy 顺序 half 累加）与 aclnnSum（fp32 promote）两条参考路径，并在 TestSpec 落位浮点 cross_check/L1、整数 binary_equal/L2 容差。

🧩 本次 Review 已使用自定义 Skill：

• ascendc-code-review

代码审查

审查结论

发现清单（4 项：P2 × 1，P3 × 3）

逐文件审阅确认

• math/accumulate_nv2/framework/CMakeLists.txt —— no issues（仅版权头与行尾换行）
• math/accumulate_nv2/op_api/aclnn_sum.cpp —— no issues（新增 dtype 一致性校验与 docs/aclnnSum.md 的「需与 out 数据类型相同」契约一致，循环与既有 %lu 用法一致）
• math/accumulate_nv2/op_graph/accumulate_nv2_graph_infer.cpp —— 见 finding 2、3
• math/accumulate_nv2/op_graph/accumulate_nv2_graph_infer.h —— no issues（删除不再需要的声明/头文件，仅被同目录 .cpp 引用）
• math/accumulate_nv2/op_host/accumulate_nv2_def.cpp —— no issues（opFile.value 由 accumulate_nv2_apt 改为 accumulate_nv2，与重命名后的 op_kernel/accumulate_nv2.cpp 及仓内其它算子的命名约定一致）
• math/accumulate_nv2/op_host/accumulate_nv2_infershape.cpp —— 见 finding 1
• math/accumulate_nv2/op_host/arch35/accumulate_nv2_tiling_arch35.cpp —— no issues（broadcast 收回后与算子本体同 shape 语义自洽，FillShapeInfo 命名与调用同步更新；空 tensor 提前返回路径未在本次改动）
• math/accumulate_nv2/op_kernel/accumulate_nv2.cpp —— no issues（#ifndef UT_SOC_VERSION 守护与 UT 自建 wrapper 的构建方式相符）
• math/accumulate_nv2/op_kernel/arch35/accumulate_nv2.h —— 见 finding 4（SIMT 分块（N≤9 顺序、r 优先 8 分块）覆盖区间完整、无重复/越界，逐条覆盖 N=10…40 均正确）
• math/accumulate_nv2/op_kernel/arch35/accumulate_nv2_tiling_data.h —— no issues（删字段后结构体 28→32B，全仓无残留引用）
• math/accumulate_nv2/tests/CMakeLists.txt —— no issues（仅头注释）
• math/accumulate_nv2/tests/assets/golden.py —— no issues（__golden__/__spec__/tolerance 结构符合仓内 mul_no_nan、sign 等既有约定；fp16 kernel 直连=numpy 顺序 half、aclnnSum=fp32 promote 与实现一致）
• math/accumulate_nv2/tests/ut/CMakeLists.txt —— no issues
• math/accumulate_nv2/tests/ut/op_api/CMakeLists.txt —— no issues
• math/accumulate_nv2/tests/ut/op_host/CMakeLists.txt —— no issues
• math/accumulate_nv2/tests/ut/op_host/arch35/CMakeLists.txt —— no issues
• math/accumulate_nv2/tests/ut/op_host/arch35/test_accumulate_nv2_tiling.cpp —— no issues（用例与「拒收 broadcast、同 shape 通过、N==输入数」的新语义一致）
• math/accumulate_nv2/tests/ut/op_host/test_accumulate_nv2_infershape.cpp —— no issues（期望值与新 infershape 一致）
• math/accumulate_nv2/tests/ut/op_kernel/CMakeLists.txt —— no issues
• math/accumulate_nv2/tests/ut/op_kernel/test_accumulate_nv2.cpp —— no issues（3.0/2048.0 等期望值与 SIMT 顺序求和、fp16 half 累加新语义一致）
• math/accumulate_nv2/tests/ut/op_graph/test_accumulate_nv2_graph_infer_pass.cpp（已删除）—— 覆盖缺口见 finding 3

总体风险判断

改动主体（broadcast 收回 + TF 同构 fp32 求和 + fp16 切 Vector 管线 + 三层 dtype/shape/N 校验 + golden 精度标准）在设计上自洽，算术语义与 TF accumulate_n… 竞品对齐，未发现 P0/P1 级构建或数据正确性问题。主要风险集中在形状校验对「未知维」的语义处理（动态 shape 图可能被误拒，finding 1/2，另有 tiling 与 infershape 对 rank-0 标量处理不一致但被 infershape 前置拦截，未单列）以及新增校验逻辑缺 UT 覆盖。建议合入前确认未知维（-1）的通配语义，并补齐 op_graph UT。

💬 仅评论

🧩 本次 Review 已使用自定义 Skill：

• ascendc-code-review

The MR can not be merged, because of CodeReview discussion not resolved

If you want to solve this problem, you can click here to do it in the FAQs.