MindSpore在昇腾环境训练Transformer模型时遇到AICORE算子编译失败问题求助

我正在尝试在昇腾910B芯片上使用MindSpore 2.7.2训练一个基于Transformer架构的自定义模型。模型在PyNative模式下可以正常前向传播，但切换到Graph模式进行训练时，在编译阶段遇到了AICORE算子编译失败的问题。

环境信息：

• 硬件：昇腾910B

• 操作系统：Ubuntu 20.04

• MindSpore版本：2.7.2

• CANN版本：8.2.RC1

• Python版本：3.9

• 模型框架：自定义Transformer结构，包含多头注意力机制和LayerNorm

错误信息：

RuntimeError: Launch kernel failed, name:Default/MatMul-op123
Error code: 0x80000001 (AICORE_COMPILE_FAILED)
Detailed message: AICORE算子编译失败，可能原因：输入shape不匹配或算子参数配置错误

尝试过的解决方法：

1. 检查了MatMul算子的输入维度，确认符合矩阵乘法规则（[batch, seq_len, d_model] × [d_model, d_model]）

2. 尝试设置mindspore.set_context(pynative_synchronize=True)查看详细报错栈，但信息有限

3. 将模型简化到最基础的线性层测试，发现简单的MatMul可以正常编译

4. 怀疑是自定义Attention模块中的reshape操作影响了图优化，尝试调整了construct函数中的控制流

5. 参考社区文档设置了环境变量export MS_DEV_DISABLE_PREBUILD=True关闭算子预编译，但问题依旧

具体问题场景：

问题出现在自定义的MultiHeadAttention模块中。当sequence length超过512时，编译就会失败；小于512时可以正常编译。怀疑是昇腾AICORE对某些shape组合有特殊限制。

求助内容：

1. 有没有类似经验的开发者遇到过AICORE算子编译失败的问题？特别是与Transformer模型相关的

2. 如何进一步诊断AICORE编译失败的具体原因？是否有更详细的调试方法

3. 昇腾910B对Transformer类模型的shape是否有特殊限制或优化建议