Describe the current behavior / 问题描述 (Mandatory / 必填)

DRCO 模式（ENABLE_AICORE_RESOLVE=true）下，值依赖（value-depend）算子的控制流 AICPU 与输入 tensor 的生产者算子之间缺少同步机制，导致控制流读到旧数据、生成错误的循环边界/地址偏移，最终触发 aicore error（MTE DDR 地址越界，error code 263/95）。

具体机理：

• DRCO 模式采用 launch-early 设计，host 侧无 stream 同步，ctrl AICPU 与算子流并发执行；
• 值依赖算子（如 fused_recurrent_kda 的 ssm_state_indices 由流上 randperm → to(int32) 生产）的控制流在 AICPU 上通过 SetExprBatch/GetInputData 直接读 tensor 数据求值 exprTbl；
• 若 ctrl AICPU 早于生产者算子完成执行，读到旧 fp32 数据（位模式 0x3EE5xxxx），exprTbl[32]（ssm slot 偏移）解析为约 10^9 的垃圾值，AICore 侧 GetPackedGmAddr/TStoreVec 访问越界；
• 同时 WaitAicoreStart 在 ENABLE_AICORE_RESOLVE 下被空操作化，且 DRCO 模式无 sched AICPU 握手置位 syncFlag，device 侧等待机制完全缺失。

注：#2227 已修复非 DRCO 路径的 value depend sync flag miss（补充 WaitAicoreStart 发射），但 DRCO 模式下等待被空操作化、无置位者，属于该修复遗漏的场景。

Environment / 环境信息 (Mandatory / 必填)

• 服务器/NPU 型号: Ascend950PR (kirinX90)
• PyPTO 版本/Commit: master 35e99c4ba 起（引入 ENABLE_AICORE_RESOLVE）
• CANN 版本: 9.1.0
• Python 版本: Python 3.12.9
• 操作系统: Ubuntu 24.04.3 LTS
• torch/torch_npu: 2.7.1 / 2.7.1.post8

Steps to reproduce the issue / 重现步骤 (Mandatory / 必填)

export ENABLE_AICORE_RESOLVE=true
cd pypto-gym
python3 tests/ops/ling_3_0_flash/fused_recurrent_kda/test_fused_recurrent_kda.py   # case 36 inplace_stress_N1024_bf16（脚本已裁剪为仅跑该 case）

• 用例 PERF 段中 randn/randperm 在算子流上生产输入，runcase 精度校验通过后，首个 warmup launch 即触发崩溃（约 56 个 AIV core 的首个主块任务同时崩）；
• 崩溃为确定性复现（runcase 后第一次 warmup 必现；单独执行 warmup 不复现，因输入无新生产者）。

Describe the expected behavior / 预期结果 (Mandatory / 必填)

DRCO 模式下值依赖控制流应等待 AICore kernel 启动（其本身排在流上生产者算子之后）后再读输入 tensor 数据，全部 launch 精度校验通过，无 aicore error。

Related log / screenshot / 日志 / 截图 (Mandatory / 必填)

[ERROR] RUNTIME(xxx,python3) ... FuncErrorReason:rtDeviceSynchronizeWithTimeout execution failed, reason=aicore exception
  >> [36/46] inplace_stress_N1024_bf16: FAIL | IMPL CRASH: aicore error 263/95 (MTE DDR address out of range)

崩溃 PC 固定映射至 GetPackedGmAddr → TStoreVec（写 [?,?,128,128] fp32 state tile），AICore 执行时 ssm_state_indices 内容合法（如 sn=709），但 AICPU 早前求值的 exprTbl[32] 为旧 fp32 randn 数据的位模式（≈0.45），证明竞争窗口在读侧。

Special notes for this issue/备注 (Optional / 选填)

修复方案见 PR !5810：AICore entry core0 获取 blockIdx 与 ring base 后立即置 syncFlag=1（AICore kernel 排在生产者算子之后，置位即数据就绪）；kernel exit 推进 indexFinished 前清 syncFlag=0（AllocateWait/Full 门保证槽复用前必然清零）；ctrl InitDyn 在 aicore-resolve 下不再 reset（消除 launch-early 下 reset-after-set 竞争）；恢复 WaitAicoreStart 自旋等待。已验证 DRCO/非 DRCO 精度全过。