reduction Group 模板（A×R 2D 分核 Phase 1 → SyncAll → Phase 2 RA mini-kernel）Phase 1 用 rPerCore = CeilDiv(rOuter, rGroupCnt); rStart = rChunkIdx * rPerCore 截断分配 R chunk。当 tiling 算出的 rGroupCnt > rOuter 时产生空分组：rStart >= rOuter 的核早退、不写 workspace 对应行；而 Phase 2 以 blockCount = rGroupCnt 全行 Reduce，把未写入的脏 GM 数据当 partial sum 读入，导致静默数值错误。
rPerCore = CeilDiv(rOuter, rGroupCnt); rStart = rChunkIdx * rPerCore
已在 euclidean_norm 实测复现（shape (11396,150) fp32 axes=[0]）：修复前 FAIL，修复后 PASS。
（norm/mvn_v2 的 rGroupCnt 仅作 2D 网格标记、无 workspace 行分组语义，不涉及本 bug。）
Phase 1 的 R chunk 分配改为大小核式均匀分配（tiling 保证 rGroupCnt ≤ rOuter 恒成立，每组 ≥1 chunk，无空组），并保留防御性早退。修复见 PR #9221。
问题
reduction Group 模板（A×R 2D 分核 Phase 1 → SyncAll → Phase 2 RA mini-kernel）Phase 1 用
rPerCore = CeilDiv(rOuter, rGroupCnt); rStart = rChunkIdx * rPerCore截断分配 R chunk。当 tiling 算出的 rGroupCnt > rOuter 时产生空分组：rStart >= rOuter 的核早退、不写 workspace 对应行；而 Phase 2 以 blockCount = rGroupCnt 全行 Reduce，把未写入的脏 GM 数据当 partial sum 读入，导致静默数值错误。已在 euclidean_norm 实测复现（shape (11396,150) fp32 axes=[0]）：修复前 FAIL，修复后 PASS。
受影响算子（已确认）
（norm/mvn_v2 的 rGroupCnt 仅作 2D 网格标记、无 workspace 行分组语义，不涉及本 bug。）
修复方案
Phase 1 的 R chunk 分配改为大小核式均匀分配（tiling 保证 rGroupCnt ≤ rOuter 恒成立，每组 ≥1 chunk，无空组），并保留防御性早退。修复见 PR #9221。