Backgroud（背景信息）

norm 族 4 个算子的测试侧 golden 在三方比对方面存在问题，影响比对结果的有效性：

• norm/bn3_d_training_update
• norm/bn3_d_training_reduce_grad
• norm/batch_norm_ext2
• norm/gn_training_reduce

Origin（信息来源）

CANN

Benefit / Necessity （价值/作用）

• 恢复三方比对的有效性：三方腿改为独立实现后，可捕获公式级/语义级错误，而不局限于被测方的独有劣化。
• 消除假红 / 假绿：真值不砍档、出口窄回、竞品同精度档三处对齐后，比值判定才具备参考价值。
• 判据覆盖完整：声明与算子定义的数据类型集合对齐，避免落回默认判据。

Design（设计方案）

对 4 个算子的 tests/assets/golden.py 做规范化，仅改动测试侧，不动算子实现、接口与 tiling：

1. 真值不砍档：去掉 numpy 侧写死的 astype(np.float32) 与出口按声明 dtype 的窄回，改为按运行时下发的 dtype 取值。
2. 入口/出口 cast 与落格一致：三方格零 cast；两方档按 NPU 加宽行为 cast、出口跟随其窄回行为。
3. 三方腿出口按对应输入 dtype 窄回。
4. 三方腿改用 torch 原生算符（如 F.batch_norm）实现，与 golden 计算核解耦。
5. tolerance 键位与算子定义的数据类型集合逐一对齐。
6. 补全各通路（kernel / geir / aclnn / e2e / tf / onnx）存在性的依据，头部 docstring 与实际实现同步。