Aug 8, 2026 · PyTorch
trunk/4352a63b983588dea1b9488a074b6e7410535e36
PyTorch 发布 trunk/4352a63b983588dea1b9488a074b6e7410535e36 版本，修复 AOTAutograd 中 CSE 未能去重 NaN 常量张量的问题，通过归一化处理。
EVENT STORY
Development
- First Reporttrunk/4352a63b983588dea1b9488a074b6e7410535e36PyTorch Core
- Current AssessmentPyTorch 持续优化其编译栈，AOTAutograd 的改进表明框架在追求更高效的图优化。此类底层修复虽不显眼，但能提升整体训练和推理性能，对依赖 PyTorch 的 AI 应用有积极影响。Agent Pulse · analysis
PyTorch 在 2026 年 8 月 8 日发布了一个 trunk 版本，该版本针对 AOTAutograd 中的公共子表达式消除（CSE）进行了修复。修复内容涉及对 NaN 常量张量的去重，通过归一化这些常量来确保 CSE 能够正确识别并合并重复的 NaN 张量。这一改动有助于减少计算图中的冗余操作，可能提升编译后的模型性能。
该修复针对 AOTAutograd 的 CSE 阶段，通过归一化 NaN 常量张量来确保去重。这暗示 NaN 值在比较时可能因位模式不同而未被识别为相同，归一化后可以正确合并。这有助于减少计算图中的冗余节点，可能降低内存占用和计算开销。
PyTorch 持续优化其编译栈，AOTAutograd 的改进表明框架在追求更高效的图优化。此类底层修复虽不显眼，但能提升整体训练和推理性能，对依赖 PyTorch 的 AI 应用有积极影响。
该修复可能提升 PyTorch 编译后模型的运行效率，降低计算成本，对使用 PyTorch 的企业有潜在的经济价值。
未来可关注 PyTorch 是否将此类归一化扩展到其他常量类型，以及 CSE 优化在更多场景下的效果。