Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.
GroupedMatmulSwigluQuantWeightNzV2 算子此前在 MXA8W4（x=FLOAT8_E4M3FN, weight=FLOAT4_E2M1）场景下仅支持单 tensor weight（tensorList 长度=1，view shape 为 3D [E, N, K]）。本次改动扩展支持多 tensor weight 场景（tensorList 长度=E，每个 tensor 的 view shape 为 2D [N, K]），使多组专家权重可独立传入，无需在第 0 维堆叠。
支持多 tensor weight 场景（tensorList 长度=E，每个 tensor 的 view shape 为 2D [N, K]），使多组专家权重可独立传入，无需在第 0 维堆叠。
Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.
Backgroud（背景信息）
GroupedMatmulSwigluQuantWeightNzV2 算子此前在 MXA8W4（x=FLOAT8_E4M3FN, weight=FLOAT4_E2M1）场景下仅支持单 tensor weight（tensorList 长度=1，view shape 为 3D [E, N, K]）。本次改动扩展支持多 tensor weight 场景（tensorList 长度=E，每个 tensor 的 view shape 为 2D [N, K]），使多组专家权重可独立传入，无需在第 0 维堆叠。
Benefit / Necessity （价值/作用）
支持多 tensor weight 场景（tensorList 长度=E，每个 tensor 的 view shape 为 2D [N, K]），使多组专家权重可独立传入，无需在第 0 维堆叠。
Design（设计方案）