用途：验证 Triton 算子在 NPU 上的数值精度，与 PyTorch 参考实现对比，输出标准化精度报告。核心原则是精度是算子正确性的底线，验证通过前不做性能优化。
主要能力：按 dtype 设定误差阈值并判定。float16 阈值 2⁻¹⁰≈9.77e-4，MARE 上限 9.77e-3；float32 阈值 2⁻¹³≈1.22e-4，MARE 上限 1.22e-3；bfloat16 阈值 2⁻⁷≈7.81e-3，MARE 上限 7.81e-2；整型与 bool 要求完全相等。判定条件为 MERE < 阈值 且 MARE < 10 × 阈值，其中 MERE 为平均相对误差，MARE 为最大相对误差。
使用方式：先编写 Torch 参考实现，再编写覆盖多种 shape × dtype × 边界情况的测试用例，在 NPU 上分别执行 Triton 算子与参考实现，用 test_common.validate_cmp() 比对。编写测试前必须完整阅读 scripts/test_common.py。精度报告写入算子目录下 precision_report.md，评估脚本写入 precision_eval.py，可参考 examples/ 目录格式。
适用场景：Triton 算子开发中的正确性验证与回归检查。
限制与反模式：不提供 Torch 参考实现不做验证；不使用错误阈值；不只用 rtol/atol 判定；归约操作需升精度到 FP32；不只测单一 dtype/shape；不跳过非对齐维度等边界情况；精度通过前不做性能优化。具体安装命令与依赖暂未提供。