[Bug] MXFP4 L1 到 L0 展开生成了错误的非零 K 偏移和 scale stride【阻塞】

[erhsh]

Component

PTO Dialect / ODS (include/PTO/IR)

Description

问题描述

在将 MXFP4 L1→L0 wrapper 操作展开为 VPTO 底层操作时，存在两个控制参数无法正确表达的问题：

1. packed FP4 数据加载的非零 start_col 被额外除以 2。例如，start_col = 4 最终被展开为 k_start = 2。
2. MX scale 加载的源 stride 和目标 stride 只能根据逻辑 tile shape 自动推导。对于需要 src_stride = 8、dst_stride = 4 的合法 scale 布局，当前会展开为 4, 4，并且 wrapper 操作没有提供显式指定 stride 的方式。

这两个问题会导致第二个 K 子块与第一个 K 子块发生数据重叠，或者从错误的 L1 位置加载 scale metadata，最终产生静默数值错误。

影响范围

该问题会影响以下 MXFP4 kernel：

• K 维被拆分为多个 L1→L0 子块；
• MX scale 在 L1 中的物理 source stride 与自动推导值不同。

生成的 kernel 可以正常编译和运行，不会报告地址或类型错误，但可能读取重叠的数据或错误的 scale metadata，最终产生静默数值错误。

Reproduction (minimal)

## 完整最小复现

将以下内容保存为 `repro_mxfp4_l1_l0.pto`：


module attributes {
  pto.target_arch = "a5",
  pto.kernel_kind = #pto.kernel_kind<cube>
} {
  func.func @repro(
      %data: !pto.ptr<!pto.f4E2M1x2, l1>,
      %scale: !pto.ptr<!pto.f4E2M1x2, l1>,
      %dst: !pto.ptr<!pto.f4E2M1x2, l0a>)
      attributes {pto.kernel} {
    %c0 = arith.constant 0 : i64
    %c4 = arith.constant 4 : i64
    %c256 = arith.constant 256 : i64

    // 加载第二个逻辑 K=256 的 MXFP4 子块。
    pto.mte_l1_l0a
        %data, %dst, %c256, %c256, %c0, %c4
        : !pto.ptr<!pto.f4E2M1x2, l1>,
          !pto.ptr<!pto.f4E2M1x2, l0a>,
          i64, i64, i64, i64

    // scale 在 L1 中的 NZ 源 stride 为 8，
    // 在 L0 中的目标 stride 为 4。
    // 当前 wrapper 没有参数可以表达这两个物理布局 stride。
    pto.mte_l1_l0a_mx
        %scale, %dst, %c256, %c256, %c0, %c0
        : !pto.ptr<!pto.f4E2M1x2, l1>,
          !pto.ptr<!pto.f4E2M1x2, l0a>,
          i64, i64, i64, i64

    return
  }
}


执行以下命令：


ptoas \
  --pto-arch=a5 \
  --pto-backend=vpto \
  --emit-vpto \
  repro_mxfp4_l1_l0.pto \
  -o repro_mxfp4_l1_l0.vpto

grep -E "load_cbuf_to_ca_(s4|mx)" repro_mxfp4_l1_l0.vpto

Expected behavior

期望行为

生成的控制参数应等价于：

pto.load_cbuf_to_ca_s4 ..., 0, 4, 16, 4, 16, 16, 0
pto.load_cbuf_to_ca_mx ..., 0, 0, 16, 4, 8, 4

对于 packed FP4：

• 表示加载长度的 k_step 可以根据 packed 数据宽度进行换算；
• 已经由调用方提供的 k_start 控制坐标应保持为 4，不应再次除以 2。

MX scale wrapper 还应允许调用方显式提供 source stride 和 destination stride。当调用方没有提供时，可以继续使用现有的自动推导逻辑，以保持向后兼容。

Actual behavior / error logs

## 实际行为

生成的底层操作等价于：


// m_start, k_start, m_step, k_step,
// src_stride, dst_stride, transpose
pto.load_cbuf_to_ca_s4 ..., 0, 2, 16, 4, 16, 16, 0

// x_start, y_start, x_step, y_step,
// src_stride, dst_stride
pto.load_cbuf_to_ca_mx ..., 0, 0, 16, 4, 4, 4


存在以下问题：

- 数据加载中传入的 `start_col = 4` 被展开为 `k_start = 2`。
- scale 加载自动推导出 `src_stride = 4`，但实际布局要求为 `8`。
- 当前 wrapper 没有提供显式指定 scale source/destination stride 的参数。

Git commit

26212b2

Host platform

None

Target Ascend arch (if relevant)

None

PTOAS build level (if relevant)

None