用途：为 nvtripy 添加新算子、模块或功能的测试，理解测试目录结构与约定，测试错误情况和 dtype 校验，并为多种配置编写参数化测试。
测试目录结构：tests/ 镜像源码树，包含 frontend/ops、frontend/module、trace/ops、backend、integration 等目录，以及 helper.py（测试工具）和 conftest.py（共享 fixture）。测试文件应放在 tests/<mirror_of_source_path>/test_<name>.py，并按类组织（如 TestMyOp）。
主要工具（tests/helper.py）：helper.raises 用于错误测试，支持 tp.TripyException、match 正则匹配和 has_stack_info_for 栈信息校验；helper.config 用于临时修改配置（如 enable_input_validation），退出后自动恢复；NUMPY_TO_TRIPY 提供 numpy 到 tripy 的 dtype 映射（bool→tp.bool，np.int8→tp.int8，np.int32→tp.int32，np.int64→tp.int64，np.float16→tp.float16，np.float32→tp.float32）。
常见测试模式：基础算子测试断言输出；用 @pytest.mark.parametrize 覆盖支持的 dtype，并对不支持的 dtype 用 helper.raises 匹配 "Expected.*one of"；从 NumPy 数据测试 dtype 映射；测试 dtype 不匹配错误；模块测试覆盖 weight/bias 与 state_dict；trace 测试检查 output.trace_tensor.producer 类型与 rank；用 tp.allclose 或 torch/numpy 参考实现比对结果。
输出验证方法：cp.from_dlpack(output).get() 转换为 numpy 数组，np.array_equal 用于整数/布尔精确比较，np.allclose 用于浮点近似比较，tp.allclose 直接比较两个 tripy 张量，torch.from_dlpack(tensor) 转为 torch 张量，output.shape 和 output.dtype 检查形状与类型。
运行方式：pytest tests/ 运行全部；pytest tests/frontend/ops/test_softmax.py 运行指定文件；pytest tests/frontend/ops/test_softmax.py::TestSoftmax::test_basic 运行指定测试；pytest -v 详细输出；pytest -k "softmax" 按模式匹配。
检查清单：测试文件位于镜像路径下；测试按类组织；包含基础功能断言、支持 dtype 的参数化测试、helper.raises 错误用例、形状校验、参考实现比对，并为参数化测试提供可读的 ids。
限制：资料未提供具体的安装命令、依赖版本、环境配置及异常处理细节，暂未提供。