llama.cpp b12064为Hexagon后端新增分块HVX转置路径，加速通道置换拷贝
该版本为同类型、同形状的f32/f16置换拷贝新增HTP_COPY_KERNEL_TRANSPOSE，用于替代此前逐元素下发DMA描述符的回退路径；提交说明称，视频VAE中 [W,H,T,C] 与 [C,W,H,T] 之间的通道优先/通道最后置换拷贝此前速度约为 45 MB/s。
AI解读：llama.cpp发布b12064，Hexagon后端新增分块HVX转置路径，针对“目标第 0 维在源中跨步、但源另有连续维”的置换CONT/CPY拷贝。
提交说明称，这类拷贝此前回退到HTP_COPY_KERNEL_RESHAPE，每个元素下发一个DMA描述符，围绕逐通道归一化的通道优先到通道最后置换（如视频VAE中的 [W,H,T,C] 与 [C,W,H,T]）走该路径时速度约为 45 MB/s。
新增的HTP_COPY_KERNEL_TRANSPOSE只适用于同类型、同形状、写入连续目标的f32/f16拷贝；其他拷贝仍选择原有内核。
主机侧会去掉长度为 1 的维度、合并源中保持相邻的维度，形成规范视图；分块按每缓冲区 64 KB设定，放不进会话VTCM时减半，blkk设上限以使半字vgather偏移落在 16 位内。
内核按块执行：二维DMA将跨步源行搬入VTCM，再按 32×32（f32）或 64×64（f16）块做vgather转置，最后二维DMA写出；输入、转置和输出缓冲双缓冲，下一块的输入DMA与当前转置、输出重叠，分块跨线程和mdev会话拆分。
测试新增perms {1,2,3,0}、{3,0,1,2} 及dim_k == 3 的CONT用例、ne[0] == 1 的permute CPY用例，覆盖f32/f16多种尺寸；提交注明Assisted-by: Claude Opus 5.5，并列出Max Krasnyansky、Yiwei Shao等共同作者。
llama.cpp发布b12064版本，Hexagon后端合入提交 #31446，为置换型CONT/CPY拷贝新增分块HVX转置路径HTP_COPY_KERNEL_TRANSPOSE。提交说明称，这类拷贝此前回退到HTP_COPY_KERNEL_RESHAPE，每个元素下发一个DMA描述符，视频VAE中 [W,H,T,C] 与 [C,W,H,T] 之间的通道置换拷贝速度约为 45 MB/s。
新路径的适用范围与主机侧处理
新增内核只处理同类型、同形状、写入连续目标的f32/f16拷贝。主机侧会去掉长度为 1 的维度，并把在源中保持相邻的维度合并为规范视图，存入内核参数；提交说明称没有最小尺寸限制。
拷贝被当作目标第 0 维与源连续维之间的二维转置，其余维度作为批次。分块按每缓冲区 64 KB设定，放不进会话VTCM时逐次减半；blkk设上限，使半字vgather偏移能放入 16 位。
内核执行与小尺寸分支
每个分块内，先用二维DMA把blk0条跨步源行（每行blkk个连续元素）搬入VTCM，再以 32×32（f32）或 64×64（f16）块做vgather转置，最后用二维DMA将blkk条连续行写出。暂存与转置缓冲采用双缓冲，使下一块的输入DMA与当前转置、输出DMA重叠；分块跨线程和mdev会话拆分。
小尺寸有两种处理：当维k紧随维 0、且维 0 能整除HVX通道数（f32为 2/4/8/16，f16为 2/4/…/32）时进入packed模式，一次vgather写出多条完整目标行，每块以一次连续DMA输出；当源连续维能放进一个向量时，按精确尺寸暂存，并沿维 0 拉长分块。其他拷贝仍走原有内核。
测试与署名
提交新增test_cont用例，覆盖perms {1,2,3,0} 和 {3,0,1,2} 的f32/f16多种尺寸，并加入dim_k == 3 的CONT测试（完全反转）以及ne[0] == 1 的permute CPY测试。后续清理包括修正vgather半字偏移注释、在packed情形直接设置标志、去掉转置求解器中的nb[0] 检查。
提交注明Assisted-by: Claude Opus 5.5，共同作者包括Max Krasnyansky和Yiwei Shao；其中提到引入自aizip分支/PR的改进，用fastdiv替换除法并避免VTCM bank冲突。