Add CPU 参考解释器与差分调试器

[a962695448-rgb]

为 NineToothed 增加 NumPy CPU 参考解释器，在没有 Torch/Triton 或 GPU 的环境中执行实际 frontend/SSA 程序，提供逐 pass 差分、单步/断点/watch、可信对应关系下的定位、依赖切片以及失败导出/回放。

实现范围

兼容上游 22e74c3 的目标上下文与平台能力校验，覆盖声明范围内的算术、广播、mask 访存、归约、结构化控制流、softmax 和 matmul。GPU 验收报告拒绝覆盖已有文件并保存用例进度。验收入口记录完整支持矩阵和边界。

本轮 dtype 优化

基于 64bd695，将逐操作重复的 dtype 解析改为最多 64 项的描述符缓存，只保留规范化字符串和不可变 dtype。别名、字节序、None/fallback、原始错误拼写、用户对象变更及释放保持原语义；不缓存张量值。

三轮独立旧/新进程交替，每配置七个无剖析器样本。目标是连续 FP32 4096、跨步 FP32 16387、反向 INT32 8193 元素循环，目标几何平均加速为 1.386 / 1.329 / 1.383×。各目标至少快 5%、每轮目标平均至少快 10%、对照不得慢 5% 的预设门槛全部达到。

对照包含开轨迹版本、softmax 17×257 和 matmul 9×16×7 尾部。完整轨迹指纹、独立 NumPy 输出及输入不变性全部一致。冷/热缓存的 tracemalloc 分配另测，不将其称为进程 RSS。

本轮性能说明与固定证据包含源码、协议、六个独立进程记录、JUnit 与已验证的准备脚本。

这是 CPU 解释器收益，目标循环的比值不推广到所有程序，也不与先前表达式计划实验的不同形状比值相乘。GPU 生成器和核函数未修改。

当前验证

不含 Torch/Triton 的本地环境：

pytest output:

535 passed, 15 deselected in 36.18s

新增 23 项 dtype 回归包含在 535 内。RTX 4090 D / NGC Torch 2.6 / CUDA 12.8 上，当前源码的 15/15 真实 GPU 差分通过。新测试在该主机的 CPU 上执行：

pytest output:

23 passed in 0.42s

本地 Ruff、format、贡献风格检查通过。最新提交的 CPU CI 已通过 Python 3.10/3.12 回归、独立 wheel 安装和回放；Ruff、Sphinx 和包构建均通过。自托管 GPU pytest 仍排队，不计为通过，实机证据按本轮档案记录。

历史完整集合和限制

1b68040 的 RTX 4090 完整收集集合按同一源码与环境逐 ID 核对为 902 项：900 passed、2 项多 GPU 条件跳过。实际分段输出为：

pytest output:

898 passed, 2 skipped in 2597.93s (0:43:17)
2 passed in 1222.67s (0:20:22)

该版本固定档案保留超时、诊断退出、精确补跑和集合核对。本轮未重跑未变更的完整卷积 GPU 集合，旧计数不冒充当前版本全库结果。旧 A100 数据仍对应 ed33273（835 passed、2 skipped）。

CPU 顺序解释不模拟 GPU 竞争；定位依赖可信对应关系，未支持语义显式失败。未完成或损坏的验收报告不能当作 PASS。