Thanks for sending an issue! Please fill in the following template to help quickly solve your problem.

Describe the current behavior / 问题描述 (Mandatory / 必填)

InplaceApplyMomentum 算子 FP32 dtype 下 var_out 输出精度异常。TTK 100 条白盒用例中 42 条失败（PassRate 58%），失败模式为 var_out=FAIL, accum_out=PASS。FP16/BF16 路径不受影响。多核场景（65536元素/43核）下两个输出均错误。

根因有两个：

• FP32 路径将 Vector 计算结果直接从 VECIN TQue buffer 执行 DataCopyPad（MTE3），缺少 V→MTE3 同步，写出未更新的脏数据
• 标量 lr/momentum 通过黑名单 API GlobalTensor::GetValue() 直接从 GM 读取，多核并发读取导致标量值错误

Environment / 环境信息 (Mandatory / 必填)

• NPU: Ascend950PR (DAV_3510, arch35)
• CANN: 9.0.0

Steps to reproduce the issue / 重现步骤 (Mandatory / 必填)

# 1. 编译安装算子
cd <ops-nn repo>
source /usr/local/Ascend/cann-9.0.0/set_env.sh
bash build.sh --ops=inplace_apply_momentum --soc=ascend950
cd build_out && bash cann-ops-nn-custom_linux-x86_64.run --install-path=/usr/local/Ascend/cann-9.0.0/opp --quiet --install-for-all

# 2. 运行 TTK 测试（float32, shape=(65536,), 43核）
cd <ops-test-kit>
python3 -m ttk kernel -i <test_csv> \
  --plugin <golden_dir> \
  -t iam_012 --single-log

# 3. 观察结果
# DYN_GOLD: FAIL,PASS  (var_out=FAIL, accum_out=PASS)
# precision_metrics: mere=0.0008, mare=7.83, threshold=0.0001220703125

最小复现：var=[1.0], accum=[0.5], lr=[0.01], grad=[0.1], momentum=[0.9], dtype=float32，golden 期望 var_out=0.9945，实际 kernel 输出 var_out=0（脏数据）。

Describe the expected behavior / 预期结果 (Mandatory / 必填)

白盒用例全部 PASS（PassRate 100%），var_out 与 golden tf.raw_ops.ResourceApplyMomentum 在容差范围内一致（FP32 rtol=1e-4）。

Related log / screenshot / 日志 / 截图 (Mandatory / 必填)

=== 修复前 ===
TTK Test Summary: Total=100, PASS=58, FAIL=42, PassRate=58%
iam_012 (float32, shape=(65536,), 43核):
out[0] (var_out): mere=0.0008, mare=7.83, th=0.000122, FAIL
out[1] (accum_out): mere=0.006, mare=37.0, th=0.000122, FAIL

=== 修复后 ===
TTK Test Summary: Total=100, PASS=100, FAIL=0, PassRate=100%

修复涉及两个文件：
- `op_kernel/arch35/inplace_apply_momentum.h`：FP32 路径新增 VECOUT TQue 输出；标量读取从 `GetValue()` 改为 `DataCopyPad`+`LocalTensor.GetValue()`
- `op_host/arch35/inplace_apply_momentum_tiling_arch35.cpp`：`FP32_UB_BYTES_PER_ELEM` 从 16 调整为 24

### Special notes for this issue/备注 (Optional / 选填)