Describe the current behavior / 问题描述

在 Ascend950PR 上对 arch35 三个算子做泛化验证时，发现三处内核/tiling 缺陷，均可稳定复现：

1. GroupNormSiluQuant：UB 记账越界，7 例全崩

geir 动静态双腿 7 例全部崩溃（设备侧 errcode 82 MTE2 写 UB 越界 / 341 VEC 访存 UB 越界 / 263 scalar 地址越界），其中 3 例入参完全合法（L1_014/L1_436/L1_481）。定位到四处独立缺陷：

• SetPartialFallback 中 ubSize - meanAndRstd - gamma - beta - quantScale 无下溢保护。C=5408396 时 ubRemain 下溢为 2^64-21380096，processSize 被算成 2^61 级。
• 同函数用 isLargeChannel && hasOptional 决定走 TILINGKEY_R_PARTIAL_LOAD_GENERALIZED(1120) 还是 1100，而 quantScale 能否整段常驻只取决于 C；大 C 且无 gamma/beta 时被错选进 1100。
• MaybeSetSplitReduce 覆盖成 R_SPLIT_REDUCE(1140) 时不做 UB 预算校验，而 1140 内核按本核通道数常驻 gamma/beta（每通道 12B，且无 gamma/beta 时也照开），固定开销约 73KB，chanPerCore 上限约 15000；失败例 chanPerCore=169013 需 2.03MB。
• host 的 couldFold 漏了 kernel isFold = hwNum <= NDDMA_SIZE || (!hasGamma && !hasBeta) 的后半个条件，「无 gamma/beta + 大 hwNum」档 kernel 按 fold 布局写 451KB，而 host 只预留 shapeC 个 fp32。

2. MultilabelMarginLoss：C 轴支持面窄于 A2

七块 UB buffer 全部随 C 线性增长且不参与分块，UB 253952B 换算出 C≈8000 上限，超过即 tiling 主动返回 GRAPH_FAILED。实测 C<=2842 全过、C>=1950000 全败。A2 侧由 TBE DSL 承担切分，对 C 无上限，故 A5 支持面窄于 A2。

3. L2NormalizeGrad：SPLIT_D 累加槽位写穿

kernel 的 accum 缓冲固定 SPLIT_D_MAX_CHUNKS(=256) 槽，而 FormerProcess 按 numChunks_ 直接 Duplicate/写槽。1 维 D=151000000 需约 37000 槽，当场写穿，设备报 errcode 341；host 侧无守卫。

Environment / 环境信息

• 硬件：Ascend950PR（aclrtGetSocName() 返回 Ascend950PR_9579）
• CANN：9.2.0（innerversion V100R001C12B071）
• 仓库：cann/ops-nn，基线 commit bcd1ffb99
• 验证工具：ops-test-kit（TTK）geir 通路，-d -b -c=false
• OS/架构：Linux x86_64

Steps to reproduce the issue / 重现步骤

GroupNormSiluQuant（7 例原始用例，含 3 例完全合法入参）

ttk geir -i gnsq_fail7.csv -d -b -c=false --golden-mode Disable
# 用例特征：L1_014 = (2,4,28224) rank8 无 gamma/beta；
#           L1_436 = 大 C（shapeD=169013×coresPerGroup）走 1140；
#           L1_481 = C=5408396 走 1120 generalized

MultilabelMarginLoss（C 轴扫描）

# 固定 reduction/dtype，扫 C：2842 / 8000 / 12000 / 1950000
ttk geir -i mml_c_scan.csv -d -b -c=false --plugin loss/multilabel_margin_loss/tests/assets/

L2NormalizeGrad（超大 D）

# x/y/dy 均为 1 维 (151000000,)，attrs = {'dim': [0], 'eps': 0.0001}
ttk geir -i l2g_bigd.csv -d -b -c=false --plugin norm/l2_normalize_grad/tests/assets/

Describe the expected behavior / 预期结果

1. GroupNormSiluQuant：合法入参不应触发设备侧内存越界。tiling 侧的 UB 预算计算不应下溢；当解不出正的 processSize 时应干净返回 GRAPH_FAILED，而不是把 0/下溢值下发给内核。host 与 kernel 对 isFold 的判据应一致。
2. MultilabelMarginLoss：C 轴不应存在 ≈8000 的隐含上限，支持面应与 A2 对齐。
3. L2NormalizeGrad：D 不应受 SPLIT_D_MAX_CHUNKS 槽位数限制；超出时要么正确分组累加，要么在 host 侧显式拒收，不应写穿缓冲。

Related log / screenshot / 日志 / 截图

GroupNormSiluQuant（plog 设备侧错误码，多核同报）

L1_014 / L1_078 / L1_578 / L1_708 : errcode:(82)   MTE2 写 UB 越界
L1_036                            : errcode:(341)  VEC 访问 UB 越界
L1_436                            : errcode:(263) + (82)
L1_481                            : errcode:(263) + (81) + (341)
PassRate 0.00% (0/7)

op_host UT 打印的 tiling data（L1_436/L1_481，key=1140）反推：

processSize = 2305843009213661696  (= 2^61 级)
  ← count * hwNumAlign，count = maxReduceCount / hwNumAlign
  ← maxReduceCount = (ubRemain/4)/2
  ⇒ ubRemain = 18446744073688171520 (= 2^64 - 21380096)   ← uint64 下溢
21380096 + 253952 恰为 per-channel quantScale 预留（C 个 fp32 ≈ 21.6MB）

MultilabelMarginLoss

C = 2842      -> PASS
C = 12000     -> GRAPH_FAILED (tiling 主动拒收)
C = 1950000   -> GRAPH_FAILED

L2NormalizeGrad

l2g_dim0_1d_flo_n151000000 : ERROR: GEIR execution failed (rc=255)
  RunGraph failed: -1, EZ9999: Internal error!
  An error occurs on the device(chipId:0 ...)   ← 设备侧 errcode 341

Special notes for this issue / 备注

• 三处缺陷均在同一批泛化验证中发现，修复补丁见关联 PR。
• 缺陷 1 的四个成因相互独立，只修其中任一处仍会崩；其中「host/kernel 的 isFold 判据不一致」这一条与前三条的失效路径不同（前三条走 UB 预算，这条走 fold 布局）。
• 缺陷 2 的 C 轴上限是 tiling 主动 GRAPH_FAILED，不是崩溃，但构成 A5 相对 A2 的支持面收窄。
• 复现所用的三个算子交付回归集分别为 2881 / 1098 / 1018 例，均未覆盖到上述失败画像（GNSQ 交付集 rank 只到 5、C 上限 12288；L2G 交付集 1018 例全部显式传 dim），故这三处缺陷此前未被拦截。