描述

本 PR 包含三组修复，均由 TTK 三方精度比对（cross_check）跑批暴露的红灯定位而来。

1. ForeachAddcmulList / ForeachAddcdivList：补 Div 0 ULP 精度档（内核）

foreach/foreach_utils/op_kernel/arch35/foreach_addc_list_regbase.h 中的 Div 此前未指定 DivConfig，落到缺省 DivAlgo::INTRINSIC——该档在 dav-3510 上仅保真到 1 ULP。

• 实测 fp32 用例 23689/524288（4.52%） 元素与正确舍入结果相差 1 ULP
• 在 x1 与 scalars*(x2/x3) 几乎相消的点上，该偏差被放大成上千 ULP 的相对误差，cross_check 的 mare 判据因此报红（实测 mare 29.87 > L1 阈值 5.0）
• 显式改用 DivAlgo::PRECISION_0ULP_FTZ_TRUE 后，输出与正确舍入结果逐位相同（0/524288）

仓内 20/22 处显式 Div 配置均选 0ULP 档，本文件此前漏配；兄弟算子 foreach_div_list_inplace 已修过同一问题。addcmul 走 Mul 分支不受影响；ComputeIntPath 的整数 Div 未改。

2. LambApplyOptimizerAssign：支持面订正（资料 + host 校验 + UT）

原 README 声明 grad 与 input3 均可小于 inputv/inputm 并向上广播，但底层 Ops::Base 广播模板的 DoDimensionCollapse 不支持对 In0（即 grad）做广播：

• grad 为标量时 EnsureNotScalar 只抬到 {1}、不左补 1 对齐输出 rank → The 1 input's dim num is not same with output's dim num
• grad 与输出同 rank 但某维为 1 → The 1 input's dim index is not same with out, and not 1
• 实测支持面矩阵：grad 在任意单维广播均被拒；input3 支持 () / (1,) / (1,1,1) / (4,) / (1,3,4) / (2,1,4)，仅 rank 大于输出时不支持

改动：

• README 订正为「grad/inputv/inputm 三者 shape 必须完全相同，仅 input3 按右对齐 broadcast 规则向 inputv 对齐」
• infershape 与 tiling 的 CheckInplaceShapeConstraint 同步改为严格等形，使非法组合在 host 阶段被清晰拒绝，而不是放行后到 tiling 阶段抛 E90003
• infershape 三处 shape 校验统一改用结构化日志宏 OP_LOGE_FOR_INVALID_SHAPE(S)_WITH_REASON，与 tiling 侧口径一致
• UT 同步更新：原 moment_shape_decides_output_shape 断言的是旧广播语义，已改为等形；新增 grad_smaller_than_moment_is_rejected 与 input3_broadcast_into_moment_is_accepted

3. 三方腿与资料订正（golden / docs）

• foreach_add_list_inplace / foreach_sub_list_inplace 的三方腿改用两步拼接（_foreach_mul + _foreach_add），不再用 alpha= 的融合形式。融合形式是一次 FMA 舍入，与 CPU golden 的两步舍入序列不同，两者恒差 1 ULP：实测 107/107 例 |NPU−真值| + |三方−真值| 精确等于 1.0000 ULP，mare 恒为 1.000。分离后三个种子（0/1/7）各 20/20 全通过。
• foreach_addcmul_list / foreach_addcdiv_list 的 golden 补 e2e 三方腿适配类 _TpE2e（TTK 按 torch 重载形参名 self/tensor1/tensor2/scalars 下发，与 def 注册名 x1/x2/x3/scalars 不同，直接复用 kernel 腿竞品类会抛 UnknownParamError）；并标注这两个算子实际不具备 e2e 通路支持——aten::_foreach_addc{mul,div}.Tensor 在追踪期即抛 Expected scalars to be on CPU，torch.compile 建不了图，torchair converter 走不到，需手工给已安装的 torch_npu 补 meta 注册才能跑通，该补丁不在本仓、重装即失效，故不作为已交付通路。
• ScatterList 资料补 maskOptional 取值范围，并修正 mask 维度列笔误（0-8 → 1 维）；aclnnScatterMin 补索引取值范围；op_api_list 补 ForeachAddcmul/AddcdivList 的确定性说明。

关联的Issue

关联 Issue #5750 —— https://gitcode.com/cann/ops-nn/issues/5750

测试

• LambApplyOptimizerAssign op_host UT：bash build.sh -u --ops=lamb_apply_optimizer_assign --soc=ascend950 → 14/14 PASSED（含 2 条新增用例）
• Div 精度档位（JIT 在线编译，源码级 A/B）：同用例同区间下，改前 23689/524288（4.518%）元素偏离正确舍入，改后 0/524288
• 部署二进制验证（重新出包 + 部署，确认被测 == 当前源码）：ForeachAddcdivList 在 kernel / aclnn / GE 图三条通路上 mare = mere = rmse = 1（即与 golden 逐位相同）
• LambApplyOptimizerAssign 支持面矩阵（静态 GE 通路）：grad 等形 + input3 降 rank 用例 PASS；grad 标量 / grad 含 1 维用例在 host 阶段被拒，报错文案为 Parameter grad of op1 has incorrect shape [1]. Reason: grad does not support broadcast and must have exactly the same shape as inputv/inputm
• pre-commit：clang-format / ruff-check / ruff-format / codespell / trailing-whitespace / end-of-file-fixer 本地全部通过
• ⚠️ 待补：foreach_addcdiv_list（1437 例）与 lamb_apply_optimizer_assign 泛化集回归正在跑批中，结果将补充到本 PR 评论

文档更新

• optim/lamb_apply_optimizer_assign/README.md：输入/输出 shape 描述与《约束说明》改写
• index/scatter_list/README.md、index/scatter_list/docs/aclnnScatterList.md：mask 取值范围与维度笔误订正
• docs/zh/op_api_list.md：补 ForeachAddcmul/AddcdivList 确定性说明

类型标签

• Bug修复
• 新特性
• 性能优化
• 文档更新
• 其他，请描述：

AI/Agent生成声明

• AI辅助编写