背景与目标

KthValue、Median、NanMedian 只需要目标秩对应的元素，通用完整排序和反复读取整行会带来额外开销。本次在 arch35 上按 dtype、轴长、行数、目标秩和 UB 容量细化选择算法与归并路由，减少不必要的排序、数据扫描和标量控制，保留各算子的 NaN、索引及中位数语义。

关键方案

1. 改进 radix select：从高字节到低字节生成累积直方图，逐轮缩小目标 bucket，避免为选择单个秩执行完整排序。显式说明 ACCUMULATE 的 inclusive cumulative 语义，并通过累计计数定位目标 bucket。
2. 减少重复扫描：可容纳的行/分片在 UB 中保留 key；根据候选 key 的范围跳过相同高位字节，候选集合缩小时压缩匹配位置，只继续处理有效候选。长行保留分块扫描和按行多核协作，最终按照原位置解决重复值索引并回读原始值。
3. 补充小轴和多行选择路径：新增窄轴 SIMT select、短秩选择及适用场景的驻留直方图路由；保留完整 warp collective 参与，独立封装 NaN、正负零和符号位 key 转换。按 UB 预算与收益条件选择 INT16 cast+merge 等路径，不对所有 dtype 统一扩大阈值。
4. 同步公共归并优化：将 Math 的 ping-pong 归并、批处理、索引与缓冲布局优化移植到 NN 中的重复实现，使 KthValue、Median、NanMedian 共用的归并路径保持一致。对不同算子模式保留独立语义和路由条件。
5. 收敛 tiling 与分发成本：为相关路径使用精简 tiling 结构，保持 schId、序列化字段和 kernel 注册一致；Median 静态模式用编译期分支消除不必要的运行时判断。补充 UB 布局、尾块、直方图和同步约束注释，保持跨流水线依赖。

验证与验收口径

• 本机 Ascend950PR_9579、CANN 9.3.0、TTK v3.0.0：KthValue 338 条、Median 260 条、NanMedian 265 条全量 ST，以及正负零逐位比较 32 条，合计 895 条精度全部通过。
• 覆盖新增选择/归并路径及边界、NaN、重复值、正负零和不同 dtype；本轮通过不代表穷尽所有输入组合。
• 对比前一版已验证实现，对超过 5% 且超过 0.5 μs 的设备耗时异常项复测，并对剩余异常做旧包/当前包同机对照，未确认稳定回退。该验收不等同于所有 case 均达到 910B 的 2.45×。
• 完整提交检查通过；最后一轮常量命名整改的 33 个 kernel 指令段及注册元数据保持一致。

实现 PR：https://gitcode.com/cann/ops-nn/pull/10411
关联的 Math 优化 PR：https://gitcode.com/cann/ops-math/pull/5672