[object Object][object Object]

[object Object]

对 [object Object] 的每个32元素块，与 [object Object] 中对应的索引一起进行排序，并将排序后的值-索引对写入 [object Object]。底层SFU指令为 VBS32（[object Object]），单次调用可排序一个或多个独立的32元素列表。

[object Object]

VBS32运行在 SFU（非向量流水线）上。一次调用排序 [object Object] 个连续的32元素块，每个块由32个值 + 32个索引组成，打包为值-索引对：

• [object Object]（上限 [object Object]）打包到 [object Object]。
• 块在内存中连续分布，步长为32个元素：块 [object Object] 读取 [object Object] 和 [object Object]，写入 [object Object]，其中 [object Object] = 2（float）或4（half）——值-索引对的扩展因子。
• 排序顺序：按值降序；相同值时索引小者优先。

[object Object]

对每一行 [object Object]，[object Object] 按独立的32元素块处理。设块 [object Object] 覆盖列 [object Object]，[object Object] 为其有效元素数。

$$(v_k, i_k) = (\mathrm{src}_{r,32b+k},\; \mathrm{idx}_{r,32b+k}), \quad 0 \le k < n_b$$

按值降序排序，输出重排后的序列：

$$[(v_{\pi(0)}, i_{\pi(0)}),\; (v_{\pi(1)}, i_{\pi(1)}),\; \ldots]$$

其中 [object Object] 为该块的排序置换。

注：

• [object Object] 是输入Tile（索引随值一起被重排），不是输出。
• [object Object] 存储排序后的值-索引对，而非仅排序后的值。

[object Object]

声明于 [object Object]：

[object Object]

[object Object]

对于 [object Object] 形状为 $R \times C$（有效区域）、块大小32：

[object Object]undefined

[object Object] 扩展因子（[object Object]）：每个输入元素生成一个8Byte的tuple [object Object]——[object Object] 的value占满4Byte；[object Object] 的2Byte value零扩展至4Byte。因此 [object Object] 恒为 $C \times 8$ 字节。

[object Object]undefined[object Object][object Object]undefined[object Object]

设 $C$ = [object Object]，$B$ = [object Object] 字节数，$G$ = 32（块大小）。实现根据整行大小是否满足 [object Object] 进行分支（Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品按元素数，Ascend 950PR/Ascend 950DT按字节数）：

$$\mathrm{tmpSize} = \begin{cases} \mathrm{ceil}_{G}(C) & \text{Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品：} C \le 8160 \text{（元素数）} \;\; \text{（Ascend 950PR/Ascend 950DT：} C \cdot b \le 8160 \text{（字节））} \\ G = 32 & \text{Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品：} C > 8160 \text{（元素数）} \;\; \text{（Ascend 950PR/Ascend 950DT：} C \cdot b > 8160 \text{（字节））} \end{cases}$$

• [object Object] = $C$ 向上取整到32的倍数。
• Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品：阈值单位为元素数（[object Object]），即 $C \le 8160$，与dtype无关（float → $C \le 8160$，half → $C \le 8160$）。
• Ascend 950PR/Ascend 950DT：阈值单位为字节（[object Object]），即 $C \cdot b \le 8160$（float → $C \le 2040$，half → $C \le 4080$）。该阈值为 [object Object]（MOV_UB_TO_UB）的repeat上限 = 255块 × 32Byte。
• 尾块 = $t = C \bmod G$ 个元素（末尾不完整块），扩展至 $G$ 并以 $-\infty$ 填充。
• Path A（$C \cdot b \le 8160$，小行）：从行首整行复制到tmp，然后原地填充最后32个元素。
• Path B（$C \cdot b > 8160$，大行）：仅复制尾块到tmp；完整块直接从 [object Object] 排序。
• VBS32硬件上限：每次调用 [object Object] 块（≤ 8160元素）；超过255块的行拆分为多次 [object Object] 调用。
• UB布局： [object Object] 应放置在 [object Object] 之后（32Byte对齐），大小为 [object Object] 字节（等价于 [object Object]，因 $b \in \{2,4\}$ 整除32）——不应使用固定的8KB偏移，因为Path A（Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品）在接近阈值时对float需要最多 ~32KB（$C \le 8160$ 元素 = float 32KB）。

[object Object]

当 [object Object] 时，末尾不完整块（$t = C \bmod 32$ 个元素）须填充为完整的32元素块后才能送入 [object Object]。两条路径：

• Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品：$C \le 8160$（元素数） / Ascend 950PR/Ascend 950DT：$C \cdot b \le 8160$（字节）（小行）：整行复制到 [object Object]，然后通过 [object Object] 原地覆盖最后32个元素为 $-\infty$ 填充；从 [object Object] 排序整行。
• Atlas A2/A3 训练系列产品/Atlas A2/A3 推理系列产品：$C > 8160$（元素数） / Ascend 950PR/Ascend 950DT：$C \cdot b > 8160$（字节）（大行）：仅复制尾块到 [object Object] 并填充；完整块直接从 [object Object] 排序，仅尾块从 [object Object] 排序。

填充值（$-\infty$ = [object Object] 或 [object Object]）落在降序排序的底部。若 [object Object]，行按 [object Object] 大小的组拆分，每组通过独立的 [object Object] 调用排序。

[object Object][object Object][object Object][object Object][object Object][object Object][object Object][object Object]