将元素寻址相关元数据和索引迁移到 `int64_t`

[SnifferCaptain]

Issue：将元素寻址相关元数据和索引迁移到 int64_t

背景

当前张量的 shape、stride、storage offset、元素坐标及大量算子循环使用 32 位 int。当张量元素数量或物理跨度超过 INT_MAX 时，可能出现：

• stride 溢出
• view offset 溢出
• 构造或算子因 checkedIntSize() 被拒绝
• broadcast、copy、reduce 等算子将 size_t 截断为 int
• 大张量无法正确切片、遍历或序列化

需要将所有与“元素数量、元素位置、物理寻址”相关的类型迁移到 std::int64_t，使 64 位平台能够支持超过 INT_MAX 个元素或跨度的大张量。

类型规则

直接使用标准类型，不引入 index_t、extent_t 等类型别名。

使用 std::int64_t：

• shape extent
• stride
• storage offset
• 元素坐标
• 逻辑/物理线性索引
• slice 的 start/end/step
• repeat、split、unfold 等涉及元素数量的参数
• element-wise 算子的循环索引和迭代空间
• batch/view 等计算出的元素偏移

继续使用 int：

• axis
• ndim/rank
• axes 列表
• permutation/order
• 线程数
• SIMD/GEMM tile 内部的小范围计数

继续使用 std::size_t：

• size()
• nbytes()
• elementSize()
• 内存分配大小
• 容器长度
• memcpy 等字节数量参数

示例接口：

std::vector<std::int64_t> shape() const;
std::int64_t shape(int axis) const;

std::vector<std::int64_t> stride() const;
std::int64_t stride(int axis) const;

std::int64_t offset(const std::vector<std::int64_t>& coordinate) const;

YTensorBase slice(
    int axis,
    std::int64_t start,
    std::int64_t end,
    std::int64_t step = 1,
    bool autoFix = true
) const;

实现范围

1. Layout 元数据

修改 strided layout：

struct YMeta<YLayoutType::Strided> {
    std::int64_t offset = 0;
    std::vector<std::int64_t> shape;
    std::vector<std::int64_t> stride;
};

Nested layout 中涉及 shape、offset、stride 的字段同步迁移。

2. YTensorBase 和 YTensor

迁移：

• 构造函数 shape 参数
• shape()、stride()、offset()
• toIndex()、toIndex_()、toCoord()
• atData()、atData_()
• autoShape()
• slice()
• view()、reshape()
• repeat()
• split()
• unfold()
• 工厂函数中的 shape 参数
• 内部 stridedShape/Stride/Offset 接口

axis、ndim 和 permutation 保持 int。

3. Strided 算子

检查并迁移以下模块中的元素索引传播链：

• view
• broadcast
• copy/concat/split
• reduction
• matmul
• contiguous/clone/cast
• function 层的迭代坐标

不能只修改成员字段；所有中间表达式也必须以 64 位执行。例如避免：

int coordinate;
int stride;
std::int64_t offset = coordinate * stride; // 乘法已经在int中溢出

4. 并行循环

当前 parallelFor(int, int, ...) 和 checkedIntSize() 会限制大张量。

需要：

• 让通用 element-wise 迭代空间支持 std::int64_t
• 或使用 64 位外层分块，再调用现有较小范围循环
• 移除算子中仅为了调用 parallelFor 而执行的 checkedIntSize(tensor.size())

不能通过无检查的 size_t -> int64_t 或 size_t -> int 转换绕过限制。

5. Matmul/AVX2

不要求机械地把所有微内核参数改成 64 位。

推荐：

• batch 数量和矩阵物理 offset 使用 int64_t
• 外层迭代空间支持 64 位
• tile 大小和微内核局部计数继续使用 int
• 现有 GEMM 接口无法处理的超大单维度，应显式检查或分块
• 禁止静默缩窄 m/n/k/lda/ldb/ldc

6. 溢出检查

保留并补全 checked arithmetic：

• shape 乘积
• contiguous stride 计算
• coordinate * stride
• base offset 与相对 offset 相加
• element count 与 element size 相乘
• 转换为 size_t
• 转换为 ptrdiff_t
• 转换到仍使用 int 的微内核参数

有符号 int64_t 溢出属于未定义行为，必须在乘法或加法前检查，而不是计算后判断。

负 stride 和反向 view 必须继续正确工作。

7. .yt 文件格式

当前 shape 按 32 位整数写入，需要升级格式：

• 新格式使用明确的 int64_t shape 编码
• 提升文件格式版本
• 旧版本文件继续按 int32_t shape 读取并无损提升
• 新格式不得依赖平台原生 int 宽度
• 校验 shape extent 非负
• 校验 shape 乘积和 payload 字节数
• 更新 Python 转换脚本及文件格式文档

非目标

本任务不要求：

• 将 axis、ndim、rank 改成 int64_t
• 将所有 std::vector<int> 全局替换
• 给 dtype、线程数或 tile 大小改类型
• 引入大量整数类型别名或 strong type
• 支持 32 位进程中的超大张量
• 在测试中实际分配数 GB 内存

测试要求

增加不依赖巨大内存分配的边界测试：

• 包含大于 INT_MAX extent 的零元素 shape
• stride 大于 INT_MAX 的小 storage view
• offset 大于 INT_MAX 的元数据计算
• 负 stride/reversed view
• shape、stride 和 offset 的 64 位公开 API
• INT64_MAX 附近的 checked-add/checked-multiply
• element count 乘 element size 的溢出
• 64 位并行/分块循环边界
• 新文件格式的 64 位 shape round-trip
• 旧 32 位 shape 文件兼容读取
• 非法或溢出的文件 shape 被拒绝
• 现有普通张量、空张量、广播、切片、reduction、concat 和 matmul 测试不回归

验收标准

• shape、stride、offset 和元素坐标不再受 32 位 int 限制。
• 通用 element-wise、copy、broadcast 和 reduction 路径不再因元素总数超过 INT_MAX 而直接失败。
• axis、ndim、axes 和 permutation 保持 int。
• size/nbytes 等内存容量接口保持 size_t。
• 不存在未经检查的 64 位到 32 位缩窄。
• 不存在先以 32 位运算、再转换为 64 位的溢出表达式。
• .yt 新旧格式兼容策略明确且有测试。
• 全部现有测试及新增边界测试通过。