feat: inject HCCL OOM after warmup

[yjyang62]

【合入来源】

• 需求
• 问题单
• issue/工单
• 重构优化
• 资料更新

【修改方案】

1. 在 ProcessGroupHCCL.cpp 中新增 HCCL OOM 故障注入计数器，默认在非 ACLGraph capture 状态下按 HCCL API 调用次数触发。
2. HCCL 注入点覆盖 collective、coalesced collective 和 point-to-point 的公共调度路径。当前实现已从 communicator 获取后的“调用前注入”移动到实际 HCCL API/OpCommand 调用并通过 HCCL_CHECK_ERROR 后再注入，使故障更接近真实 HCCL API 调用边界后的 OOM 上报；P2P coalescing 场景会先执行 hcclGroupEnd，避免人为留下未闭合 group。
3. HCCL 触发时按要求抛出 TORCH_CHECK_WITH(OutOfMemoryError, false, retmsg.c_str());，错误文本包含 Failed to allocate memory 和 HCCL_E_OOM 错误码。支持通过 HCCL_OOM_TRIGGER_COUNT 调整触发阈值，设置为小于等于 0 可关闭该注入。
4. 修复直接 CMake 构建时 torch_npu/csrc/aten/NPUNativeFunctions.h 未生成导致 CopyFromAndResizeKernelNpu.cpp 编译失败的问题：当 CMake 配置阶段发现生成头不存在时，调用现有 generate_code.sh 生成 ATen binding 文件，再继续收集/编译源文件。
5. 将 PTA OOM 从内部 allocator malloc 的无差别计数，改为普通 tensor allocate 路径上的候选分配计数，触发前不进入真实 allocator 分配流程，降低影响面并便于上层恢复。
6. PTA OOM 收窄触发场景但默认全卡参与：默认不自动开启，必须显式 PTA_OOM_ENABLE=1；开启后默认所有 rank、所有 device 都可触发；默认只统计非 graph capture、size >= 64MiB 的普通 tensor 分配，并且只触发一次。可通过 PTA_OOM_RANK 或 PTA_OOM_DEVICE 显式收窄到单 rank/单卡。
7. PTA OOM 控制项：PTA_OOM_ENABLE 显式开启注入，PTA_OOM_TRIGGER_COUNT 控制候选分配计数阈值，PTA_OOM_MIN_ALLOC_BYTES 控制最小分配大小，PTA_OOM_MAX_ALLOC_BYTES 控制最大分配大小，PTA_OOM_RANK 限定 rank，PTA_OOM_DEVICE 限定 NPU device。

【资料变更】

不涉及

【接口变更】

不涉及正式接口变更；新增仅用于故障注入分支的环境变量 HCCL_OOM_TRIGGER_COUNT、PTA_OOM_ENABLE、PTA_OOM_TRIGGER_COUNT、PTA_OOM_MIN_ALLOC_BYTES、PTA_OOM_MAX_ALLOC_BYTES、PTA_OOM_RANK、PTA_OOM_DEVICE。

【功能验证】

• 已执行 git diff --check，无空白格式问题。
• 已执行 git diff --check HEAD~1..HEAD 验证最新 PTA OOM 默认全 rank 触发调整提交。
• 尝试执行 CMake configure；当前容器缺少 Python torch 模块以及 C++ 链接所需 libstdc++，配置在编译器自检阶段失败，未能运行完整 CMake 构建。
• 当前环境未运行依赖 NPU/HCCL 的分布式实机用例。

【CheckList】

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常