现象

aclnnBlockAttentionResidualsGrad 在 torch_npu 路径下，若这次调用是进程内第一次在 NPU 上执行算子（platform info 尚未被任何算子执行链初始化），则以 FLOAT32 输入调用必失败，报：

AclNN_Runtime_Error(EZ9903): InitTilingParseCtx failed
  coreNum is 0[FUNC:TilingPrepareForBlockAttentionResidualsGrad]
         [FILE:block_attention_residuals_grad_tiling.cpp][LINE:522]
  Op [BlockAttentionResidualsGrad] tiling compile info parse failed
  Launch failed for BlockAttentionResidualsGrad, errno:361001

同进程第二次调用即恢复正常。

最小复现

import torch, torch_npu
from cann_ops_transformer import block_attention_residuals_backward

torch.npu.set_device(0)
T, N, H = 64, 4, 2048
torch.manual_seed(0)
# 关键：全部用 .to("npu") 纯拷贝构造，不在 NPU 上触发任何算子
pb  = torch.randn(T, H).to("npu").float()
br  = torch.randn(T, N, H).to("npu").float()
pw  = torch.randn(1, H).to("npu").float()
nw  = torch.randn(H).to("npu").float()
go  = torch.randn(T, H).to("npu").float()
inv = (torch.rand(T, N + 1) + 0.5).to("npu")
pr  = torch.softmax(torch.randn(T, N + 1), dim=1).to("npu")

out = block_attention_residuals_backward(pb, br, pw, nw, go, inv, pr)  # 首次调用 -> 失败
torch.npu.synchronize()

证据（每个数字均为实测）

归属对照（关键）：

即：aclnn 本体、平台初始化均正常；同一仓、同一条 ACLNN_CMD 宏链路下，正向能过、反向不过。

根因

op_host/block_attention_residuals_grad_tiling.cpp:522 在 TilingParse 阶段读取并硬判核数：

static ge::graphStatus TilingPrepareForBlockAttentionResidualsGrad(gert::TilingParseContext* context)
{
    ...
    platform_ascendc::PlatformAscendC plat(context->GetPlatformInfo());
    uint32_t aivNum = plat.GetCoreNumAiv();
    compileInfo->coreNum = aivNum;
    OP_CHECK_IF(compileInfo->coreNum == 0, OP_LOGE(context, "coreNum is 0"), return ge::GRAPH_FAILED);
    ...
}

对比同仓两个同族算子，都把核数获取放在 Tiling 主流程、TilingParse 只做指针检查：

• 正向 mhc/block_attention_residuals：TilingParse 只校 platformInfo != nullptr，不读核数；
• attention/chunk_gated_delta_rule：TilingParse 只校指针；GetCoreNumAiv() 在 InitCompileInfo()（Tiling 主流程）里，且取不到时只打印日志不返回失败。

TilingParse 是 kernel 生成前的一次性解析，此时平台资源表可能尚未就绪，GetCoreNumAiv() 返回 0；反向把它当作致命错误直接 GRAPH_FAILED，而正向不依赖它故不受影响。

影响

任何默认异步模式下、以 FLOAT32 输入的首次调用（真实训练/推理首个 step、单测首例、脚本首次跑）都会失败。报错落在 tiling 内部且只写 coreNum is 0，调用方难以自查。属开箱即用阻塞级问题。

补充：FP16/BF16 输入通常不复现，因为 tensor.to(torch.float16) 会插入 cast kernel 顺带完成预热；FLOAT32 的 .to(torch.float32) 是 no-op，因此暴露本问题。

建议修复

1. （推荐） 参照正向与 chunk_gated_delta_rule：TilingParse 只做指针检查，核数下沉到 Tiling 主流程获取；取不到时降级而非硬失败。
2. 若因 tiling key 需要在 parse 阶段定型，至少不要把 coreNum == 0 判为致命错误，改为在主流程回填。
3. 报错信息补充上下文（如「平台信息未初始化，GetCoreNumAiv 返回 0」），便于定位。

环境信息

• 仓库版本：cann/ops-transformer master
• CANN：9.2.0（npu-smi 26.1.1）
• Python 3.12.15 / torch 2.12.0+cpu / torch_npu 2.12.0.post3
• 设备：Atlas A2 训练系列产品（Ascend910B2），8 卡均复现

备注

validBlockNum 文档与实现的不一致（文档称仅支持 -1、实现允许 -1 或 N）已由 #6125 覆盖，本 issue 不重复报告。