[KernelSwift算子优化] 程柯雷-Task03 norm_fn-571900729

[Lfan-ke]

作品说明：沐曦 C500 上用 Clike 重写 KernelSwift 赛道二 Task03 norm_fn，文件内同时含与参考一致的 Model 与优化实现 ModelNew，forward 内通过 python 调用自实现算子。

优化方案：一个 block 负责同一行的 6 个输出，residual 与 RMS 分母整块只过一遍、6 个点积在寄存器里并行累，访存走 float4/uint2 向量化；另外把宿主侧编译提到 -O3（load_inline 默认不注入任何 -O，pybind 胶水一直是 -O0）。

性能结果（MetaX C500 / MACA 3.7.0.38 / torch 2.8.0+metax3.7.0.7，官方 benchmarks/ks/auto_bench.py 默认参数，连跑三次，均 PASS accuracy）：

赛题	v0（torch 参考）	v1（本提交）	Speedup
Task03 norm_fn	0.2282 / 0.2211 / 0.2332 ms	0.0401 / 0.0392 / 0.0403 ms	5.70× / 5.64× / 5.79×

本作品为原创。

[CLAassistant]

All committers have signed the CLA.