fix(vmi): dynamic vci index + group-periodic share (raw vci)

[peanutchan]

Summary

• Dynamic loop IVs (TileLang T.serial / scf.for) arrive as MLIR index; coerce to signless i32 in PTODSL so pto.vmi.vci ODS/verify accept the base.
• Restore optional {group} on vci/iota (ODS + PTODSL group=), preserve through unified→legacy and rematerialize.
• Semantics: without {group} → continuous ramp base..base+L-1 (VL128: 0..63 then 64..127). With {group=C} → group-periodic restart per group of size S = L/C.
• Contiguous packing lowers as raw pto.vci(%chunkBase). Identical group runs share one physical index VL (return %idx, %idx for VL128/g=2).
• Sub-VL contiguous groups (S < physVL and physVL % S == 0, e.g. i32 64/g=2, i16 128/g=2): vci(base) then per-group ∓ g·S + lane-range vsel. Early reject when S neither divides nor is a multiple of phys VL (ODS verify + PTODSL).
• Deinterleaved / interleaved group results: no dedicated grouped-deint iota path. Require contiguous materialization; unified→legacy rewrites non-contiguous grouped vci/iota to contiguous iota + ensure_layout so layout infer / rematerialize can produce vdintlv etc.

Test plan

• lit: vmi_to_vpto_iota_group2.pto → shared %idx = pto.vci %base
• lit: vmi_to_vpto_iota_group_subvl.pto → i32 64/g2, i16 128/g2, i32 128/g4 share
• lit: vmi_to_vpto_iota_group_deint.pto → shared contiguous vci then vdintlv
• python3 ptodsl/tests/test_vmi_vci_dynamic_index.py (const / dynamic / group=2 / sub-VL / untileable reject)
• Simple camodel share case:
  scripts/sim_dsl.sh --output /tmp/vci_vadds_g2_out ptodsl/examples/vci_vadds_share_launch.py -- --groups 2
  → vci(0)+vadds(1000)+vsts expects 1000..1063|1000..1063 (g=1: 1000..1063)
• CI ptodsl / lit as applicable

After rebuild: ninja ptoas_runtime_staging (ptoas loads runtime-staging/lib/ptoas.so).

[mouliangyu]

当前 group 的合法性约束在 PTODSL / op verifier 与 VMIToVPTO lowering 之间不一致，建议合入前统一。

例如 pto.vmi.vci(pto.i32(0), size=64, group=2)：

• PTODSL 只检查 group > 0 且 size % group == 0，因此接受该调用；
• VMIVciOp::verify() / VMIIotaOp::verify() 同样只检查整除，因此 IR 验证通过；
• VMIToVPTO 额外要求 group_size % physical_lanes_per_part == 0。这里 group_size=32、i32 物理 VL 为 64，最终在 lowering 报 failed to legalize operation pto.vmi.iota。

请明确并统一接口约束：

1. 如果 ODS 中声明的任意可整除 group 都应支持，请补齐 sub-VL group-periodic ramp 的 materialization；
2. 如果当前只支持 group size 为物理 VL 整数倍，请在 PTODSL 和 op verifier 提前拒绝，并给出可执行的诊断，不要让合法性问题延迟到 conversion failure；
3. 补充 i32 size=64/group=2、i16 size=128/group=2 等边界/negative tests，并确保 PTODSL 与直接 MLIR 两条入口约束一致。

另外，grouped deinterleaved layout 也需要纳入约束或测试；当前 factor=1, part=0 的 materialization 会把两路相同 ramp 交错成 [base, base, base+1, base+1, ...]，与声明的 group-periodic 语义不一致。

[peanutchan]

已按方案 1 补齐，并统一了 PTODSL / ODS verify / VMIToVPTO 的约束（最新 commit d407583ee）：

1. Sub-VL group-periodic：当 S < physVL 且 physVL % S == 0（如 i32 64/g=2、i16 128/g=2）时，用 vci(base) + 按组 ∓ g·S + lane-range vsel 拼出 group-periodic ramp；S 既不能整除也不能被整除 phys VL 时，PTODSL 与 VMIVciOp/VMIIotaOp::verify 提前拒绝（不再拖到 conversion failure）。
2. Grouped deinterleaved：不单独做 grouped-deint materialization。grouped vci/iota 只生成 contiguous；若结果 layout 非 contiguous，unified→legacy 改写为 contiguous iota + ensure_layout，由 layout infer 产出 vdintlv 等。这样避免 factor=1, part=0 把两路相同 ramp 交错成 [base,base,base+1,base+1,...]。
3. 测试：
   • lit vmi_to_vpto_iota_group_subvl.pto（i32 64/g2、i16 128/g2、i32 128/g4 share）
   • lit vmi_to_vpto_iota_group_deint.pto（shared vci → vdintlv）
   • PTODSL test_vmi_vci_dynamic_index.py 增加 sub-VL 与 untileable reject

请再看一眼 PR description 与上述 lit。

[peanutchan]

E2E verification update:

• Native PTOAS -> Bisheng builds passed for g1, full-VL g2, sub-VL i32_g2, i32_g4, and i16_g2 (each produced an AArch64 kernel.o and launch .so).
• Ascend950PR_9599 camodel passed all five cases. Each kernel computes vci(0, group=...) + vadds(1000), stores through vsts, DMA-copies to GM, and checks exact host output. Group boundaries restart at 1000 as expected.
• Grouped VMI lit regressions: 3/3 passed.
• PTODSL dynamic/group/sub-VL regression: passed.

The launch probes are now committed on this PR branch in 3ae313def.

[mouliangyu]

复检 3ae313def 后，sub-VL group 的物化已经补上，但仍有两个 correctness 问题需要合入前处理。

1. [P1] deinterleaved 修复在真实编译流程中可能不会触发

PR 的处理思路是：当 grouped vci/iota 的结果需要 non-contiguous layout 时，先生成 contiguous grouped iota，再用 ensure_layout 转成目标 layout。这个思路本身没有问题。

问题是该 rewrite 与 layout assignment 的执行顺序相反：

VMILowerUnifiedToLegacy   ← 这里执行新增 rewrite
...
VMILayoutAssignment      ← 到这里才决定结果采用什么 layout
VMILayoutRematerialize
...
VMIToVPTO

对应 pipeline 在 tools/ptoas/ptoas.cpp:3024-3051。新增 rewrite 位于 VMILowerUnifiedToLegacy.cpp:1222-1242, 1625-1655，它只有在执行时已经看到 concrete non-contiguous layout 才会插入 contiguous iota + ensure_layout。

正常 PTODSL/PTO surface IR 在这个阶段还没有 layout。因此真实流程可能是：

1. lower-unified 看到 grouped iota，但类型尚未分配 layout
   → rewrite 不触发
2. layout assignment 根据 widening/elementwise consumer，
   将这个 grouped iota 分配为 deinterleaved=2
3. 不会再次执行 lower-unified rewrite
4. VMIToVPTO 在 5403-5406 行拒绝 grouped non-contiguous iota
   → legalization/编译失败

这里不是假设 layout assignment 会自动保护 iota：VMILayoutPropagation.cpp:784-786 当前把 VMIIotaOp 当作 free-result-layout producer，允许它直接获得 consumer 请求的 layout。

新增测试 test/lit/vmi_new/vmi_to_vpto_iota_group_deint.pto:19-20 没覆盖这条真实路径。测试提前把结果类型写成了 deinterleaved=2，并且只运行：

-vmi-lower-unified-to-legacy -vmi-to-vpto

这等于提前向 rewrite 提供了 production pipeline 在该阶段尚不知道的信息，所以测试能通过，不能证明从无 layout 的 surface IR 出发也能通过。

建议考虑定义一条独立的内部 legacy op，例如 pto.vmi.group_iota，用于承载 grouped iota 的特殊行为：

public unified API:
  vci(..., group=None)  → legacy iota
  vci(..., group=C)     → legacy group_iota

layout capability:
  iota        → 保持现有普通 iota 的 layout/tail 行为
  group_iota  → 只能直接产生 contiguous layout

这里不需要增加新的 PTODSL 用户 API；对外仍是 pto.vmi.vci(..., group=...)。关键是让 group_iota 在 layout support/propagation 中明确成为 contiguous-only producer，而不是继续复用当前允许任意结果 layout 的 VMIFreeResultLayoutTransfer。

这样当 widening/elementwise consumer 请求 deinterleaved=2 时，现有 propagator 会自然把 group_iota 的 primary layout 选为 contiguous，将 consumer 的请求记录为 use conflict，并由 materializeUseConflict() 自动插入 ensure_layout。PR 当前在 VMILayoutRematerialize.cpp:243-250 增加的保护会保留该 ensure，随后 VMIToVPTO 分别 lowering contiguous group_iota 与 layout conversion。

独立 op 也可以把 group 整除约束、full-VL/sub-VL materialization 和 grouped lowering 从普通 iota 的 verifier/lowering 中隔离出来，避免继续在多个阶段用 getGroupAttr() 分支表达两套不同的 producer capability。

同时请增加一个从无 layout 的 !pto.vmi.vreg<...> 输入开始、运行完整 semantic pipeline，并由 widening consumer 自然推导出 deinterleaved layout 的回归测试，确认 group_iota(contiguous) → ensure_layout(deinterleaved) 是由 assignment 自动生成的。

2. [P2] group=1 错误拒绝合法 tail ramp

按本 PR 的语义，group=1 只有一个组，因此应与不写 group 完全等价。例如：

vci(size=100)           → 0..99
vci(size=100, group=1)  → 也应为 0..99

现有 ungrouped lowering 已支持 i32 size=100 的 tail，测试在 test/lit/vmi_new/vmi_to_vpto_iota_tail.pto:12-19。

但新约束要求 group_size 与物理 VL 互相整除（VMI.cpp:965-971, 2629-2635，ptodsl/ptodsl/_vmi_namespace.py:285-295）。对 i32 size=100, group=1：

group_size = 100
physical VL = 64

二者互不整除，因此 PTODSL/verifier 会拒绝这个本应等价于普通 iota 的输入；即使绕过 verifier，grouped lowering 的 physical-result-count 检查也不支持该 tail。

若采用上述内部 op 划分，建议在 unified→legacy lowering 时直接把 group == 1 规范化为普通 iota，只有 group > 1 才生成 group_iota；并增加 size=100, group=1 的 PTODSL 与直接 MLIR 回归。

其他合入条件

• 用户文档尚未同步 group 参数与 group-periodic 语义：ptodsl/docs/user_guide/14-vmi-virtual-instruction-set.md:420-432、docs/isa/vmi-isa/02-index-gen.md:12-39。
• 当前 GitHub 状态仍为 CONFLICTING / DIRTY，最终 head 没有 checks；与当前 main 的内容冲突在 ptodsl/ptodsl/_vmi_namespace.py。请 rebase/resolve 后让完整 CI 在最终 head 上重新运行。

[peanutchan]

Addressed the two correctness blockers in c38c487d9:

• P1: added internal contiguous-only pto.vmi.group_iota; layout assignment now produces group_iota(contiguous) -> ensure_layout(deinterleaved) for widening-consumer inference before VPTO lowering.
• P2: normalized group=1 to ordinary iota, preserving legal tails such as i32 size=100.
• Added no-layout full-pipeline deinterleaved regression, realistic group=1 tail coverage with vadds/vstore, PTODSL coverage, and updated semantics docs.

Verified:

• rebuilt pto-test-opt, PTOASCompiler, and PTOASPythonPackage
• new P1/P2 lit regressions
• existing grouped iota group=2, sub-VL, and pre-annotated deinterleaved regressions
• ordinary iota tail/rematerialization/verifier regressions
• ptodsl/tests/test_vmi_vci_dynamic_index.py