viable/strict/1786700365: [BE] Saturate out-of-range integer scalar `clamp` bounds (#193169)
PyTorch 在 #193169 中修复了标量 clamp 内核将边界直接转换为输入 dtype 导致越界值回绕或抛异常的问题，使越界边界成为 no-op，并让 hardtanh 共享 clamp 行为，不再拒绝 uint8 的负边界。该修复涉及 Python 引用，由 Codex 辅助完成，解决了 #107702 中的整数转换不一致问题。
Development
- First Reportviable/strict/1786700365: [BE] Saturate out-of-range integer scalar `clamp` bounds (#193169)PyTorch Core
- Current AssessmentPyTorch 作为主流深度学习框架，其数值语义的修正会影响下游库和模型的行为一致性。此类修复有助于减少框架间的行为差异，提升跨框架移植的可靠性。Agent Pulse · analysis
PyTorch 在 2026 年 8 月 14 日合并了 PR #193169，修复了标量 clamp 操作中整数边界转换不一致的问题。此前，clamp 内核将边界值直接转换为输入 dtype，导致当边界超出输入类型范围时（如 uint8 的负边界），值会发生回绕或抛出异常，这在数学上是不正确的，因为越界边界应视为 no-op。修复后，clamp 和 hardtanh 的行为保持一致，不再拒绝负边界，并更新了 Python 参考实现。该 PR 由 Codex 辅助完成，解决了 issue #107702。
该修复表明 PyTorch 在数值边界处理上更注重数学正确性，而非简单的类型转换。对于 clamp 操作，边界值应独立于输入 dtype 进行解释，越界边界应视为无操作，而不是回绕或报错。这影响了依赖 clamp 进行数值裁剪的模型，尤其是涉及 uint8 等无符号类型的场景。
PyTorch 作为主流深度学习框架，其数值语义的修正会影响下游库和模型的行为一致性。此类修复有助于减少框架间的行为差异，提升跨框架移植的可靠性。
该修复提升了 PyTorch 的数值正确性，减少了因边界处理不当导致的模型输出错误，降低了开发者在调试和部署中的成本，增强了框架的可靠性。
未来可能进一步统一其他操作（如 relu6、clip）的边界处理语义，并可能引入更严格的数值一致性测试。