Add KernelSwift portable compiler and backend support for T1-T4

[chenweihan02]

KernelSwift 算子创新大赛

项目	内容
参赛队伍	NULL
队长	陈伟汉
参赛成员	陈健勇
所选赛题	T1、T2、T3、T4
修改部分	B：通用 SSA 编译器及目标平台后端优化

概述

本 PR 为 KernelSwift 算子创新大赛 T1-T4 提供共用的 NineToothed SSA、Triton/CUDA lowering 和运行时能力。

通用分析与变换位于 frontend、SSA emitter 和 runtime 层；只有工具链探测、FP8 operand 合法化以及 CUDA/CoreX launch 等硬件相关能力位于目标后端。算子实现及数学语义由关联的 ntops PR 提供。

• upstream base：b77f930
• 本 PR 验证锚点：6b79203

主要修改

通用 SSA 与 frontend

• 支持 application block、gather、静态布局、静态 bounds 和 tensor stride。
• 支持 scalar argument、bitcast、interleave 和 transpose 的统一 lowering。
• 保持通用分析独立于具体赛题和硬件平台。
• 修正 jagged public value 的 runtime stride 校验，同时保持 dense Tensor 校验不变。

Triton/CUDA 后端与运行时

• 对 Triton launch candidate 进行跨平台合法化。
• 缓存已验证的 tensor pointer、scalar argument 和 no-alias launch plan，并在每次调用时重新获取当前 stream。
• 根据工具链能力进行 FP8 dot operand 合法化：CoreX 使用 BF16 fallback，DTK 使用 FP16 fallback，同时支持显式覆盖。
• 将 masked-store producer 下沉到 bounds guard，并保持混合条件分支的结果 dtype。
• 支持配置 CoreX Clang 路径，不改变显式 NVCC 流程。

赛题对应关系

赛题	相关提交	编译器/后端能力
T1	18c50cd、5b6abe8	MXFP4 解码所需 tensor transform、静态布局及低开销 launch
T2	4ea752e	可移植 FP8 dot operand 合法化及工具链能力选择
T3	18c50cd、5b6abe8	融合算子所需通用 SSA、静态语义和直接绑定运行时
T4	0dbe0e9	masked producer sinking、CUDA launch 与 CoreX 工具链支持
统一验证	6b79203	jagged runtime stride 契约修正及最终验证锚点

架构边界

本 PR 不包含 T1-T4 的算子源码，不修改算子接口或数学语义，也不读取 benchmark case 标识或隐藏数据。可跨平台、跨算子复用的能力位于通用 SSA/frontend/runtime 层，平台后端只保留确实依赖工具链或硬件能力的实现。

测试结果

pytest output:

Remote task-focused compiler regression suites at ninetoothed@6b79203:

Hygon BW, DTK 25.04
T1: 98 passed
T2: 120 passed
T3: 94 passed
T4: 122 passed

Iluvatar CoreX Tiangai 150
T1: 98 passed
T2: 120 passed
T3: 94 passed
T4: 122 passed

以上结果为各赛题一键评测脚本选择的相关编译器回归测试。算子正确性、性能结果、测试命令和复现环境记录在关联的 ntops PR 中。

关联 PR 与复现材料

• ntops 算子 PR：InfiniTensor/ntops#105
• ntops 算子分支：kernelswift-competition-operators
• 统一提交清单：KERNELSWIFT_SUBMISSION_MANIFEST.md

本 PR 与关联 ntops PR 共同构成统一 A+B 参赛作品。