根据您的描述，您希望在TensorFlow-XLA中实现一个自定义操作，该操作可以处理具有不同大小的子矩阵/子向量的稀疏矩阵乘法。以下是一些建议：

1. 在TensorFlow-XLA中实现这种操作是可能的。您可以使用tf.xla.experimental.compile_with_xla装饰器来创建一个自定义操作。

2. 为了实现这个操作，您需要定义一个Python函数，该函数接受一个(NxN)矩阵、一个(N)向量和一个M个元素的偏移数组作为输入，并返回一个(N)向量作为输出。在这个函数中，您可以使用tf.xla.dynamic_slice和tf.xla.dot来计算密集部分的矩阵乘法。

3. 使用tf.xla.experimental.compile_with_xla装饰器将此函数注册为XLA操作。这将允许您在XLA模式下运行此操作。

4. 要编译、暴露和使用此自定义操作，您需要首先安装tensorflow-xla,然后按照以下步骤操作：

   a. 编写一个包含上述Python函数的文件，例如my_custom_op.py。

   b. 在my_custom_op.py中，使用tf.xla.experimental.compile_with_xla装饰器注册您的函数。例如：

import tensorflow as tf
from tensorflow.xla import experimental

@experimental.compile_with_xla()
def my_custom_op(matrix, vector, offsets):
    # Your implementation here

c. 将您的代码保存到文件中，然后在命令行中运行以下命令以安装依赖项：

pip install tensorflow-xla

d. 在Python脚本中导入并使用您的自定义操作：

import tensorflow as tf
from my_custom_op import my_custom_op

# Your input data here

matrix = ...
vector = ...
offsets = ...

result = my_custom_op(matrix, vector, offsets)

请注意，这只是一个基本示例，您可能需要根据您的具体需求对其进行调整。希望这对您有所帮助！